近年来,基于802.11的无线局域网(WLAN, Wireless Local Area Network)技术发展迅猛。相比有线局域网(LAN, Local Area Network),无线局域网具有低成本、高速率、易安装和易操作等特点,因而得到越来越广泛的应用。大量的无线接入点(AP, Access Point)密集的部署在机场、酒店、学校等场所以支持大量用户的需求,这使得一个无线设备能够同时搜索到多个AP。现行的方案单纯考虑接收信号强度(RSSI, Received Signal Strength Indicator)大小决定无线设备接入哪个AP,导致某些AP连接了大量移动站(STA, Station),而其它AP只连接很少STA。AP之间的负载不均衡,降低网络资源利率,影响系统性能。本文详细研究和分析了国内外相关研究进展,并对现有的负载均衡方法进行了归纳总结,在此基础上,将网络选择问题模型化为演化博弈问题。在这个问题中,同一个重叠区域中的STA构成一个群体,群体之间是相互独立的。群体中的STA是演化博弈的参与人,它们与同处一个群体的其他STA竞争网络资源。演化均衡作为最后的网络选择解决方案。本文提出了两种基于演化博弈的网络选择算法：集中式的群体演化算法和分布式的强化学习算法。在群体演化算法中,STA计算各自收益,并发送给中心控制器,然后由中心控制器计算出各个群体的平均收益和其他可选AP可提供的收益,返回给STA进行网络选择决策。群体演化算法结合了AP主控和STA主控负载均衡的优点,既具有较快的收敛速度,又不会出现AP主控方式造成的“孤岛”的风险。在强化学习算法中,STA通过自身对网络环境的学习来选择网络,逐渐逼近网络平衡。强化学习算法不需要额外的硬件支持,通信开销较小,利于网络扩展。最后,在网络仿真平台NS-2下实现了上述算法,仿真结果表明上述算法能够很好地完成各AP间的负载均衡,群体演化算法比强化学习算法具有更快的算法收敛速度。