科技的不断更新迭代,网络使用者的快速增多以及对网络服务质量要求的提高,单WAN口路由器已不能很好满足用户日益增高的网络要求。大多企业的解决方案是推出多WAN口路由器,其中负载均衡是多WAN口路由器研究的关键,可有效提升路由器的吞吐量和降低平均响应时间。论文选题来源于某公司产品升级,主要研究内容如下:（1）设计了一种实时动态负载权值均衡算法。周期性采集时延、抖动、丢包率和带宽使用率去综合全面衡量链路的性能,通过设定负载权值修改阈值,与前后两个时刻平均响应时间的标准差进行比较,判断是否需要重新计算本时刻的链路负载权值;结合改进的层次分析法和标准离差法计算得到评价函数的权系数,利用加权和法设计的评价函数计算出链路实时负载权值,再根据链路负载权值分配用户请求;同时,通过实验实现了采集周期的动态确定。该算法可提高路由器的吞吐量和降低平均响应时间。（2）设计了一种基于BP神经网络的实时动态负载权值均衡优化算法。为优化所提出的实时动态负载权值均衡算法,利用BP神经网络的自适应特性,并采用Adam优化训练函数实现泛化学习,以提升学习的速率。仿真实验证明,此算法可减少系统时延和平均响应时间,提升了负载均衡效果。（3）在Linux环境下,构建了多WAN口路由器,对算法进行了仿真实验验证。通过JMeter测试工具,选取平均响应时间和吞吐量作为算法的性能衡量指标。实验仿真数据表明,本文的多WAN口相比已有的单WAN口有较低的平均响应时间;随着并发请求数的增多,本文提出的算法与平滑加权轮询和加权最小连接数算法相比,平均响应时间低,吞吐量高,且在并发请求数为1500时,负载均衡效果最好。