无线传感器网络(WSN)系统是由大量成本较低的传感器节点通过自组织或多跳的形式构成的,用于监测目标区域并采集所需数据。WSN系统通常需要执行一些计算量较大的任务,而单个节点的能量和资源有限,并且一旦这些节点被部署,人类将无法干预,所以,网络中节点的能量成为了限制WSN生命周期的主要因素,如何减少节点的能量消耗一直是WSN中的研究热点。同时,WSN是面向特定任务的应用型网络系统,可用于环境数据采集、灾害预警、战地监测等场景,这对处理任务的实时性要求很高,如何确保任务能够被实时、快速地完成同样成为WSN研究的一个热门课题。另外,随着信息化技术的发展,人们所需采集信息的种类也随之增加,导致组成WSN的传感器节点类型更为繁多。WSN会被用来处理组成结构复杂的任务,我们称之为复杂任务,这些复杂任务通常由多种类型的资源请求组成,需要不同类型的传感器协作完成,因此,如何使WSN在处理复杂任务时延长网络寿命、提高任务分配效率,成为了本文研究的主要问题。本文主要在基于重叠分簇及自适应联盟的WSN下进行复杂任务分配机制的研究:(1)基于重叠分簇网络的复杂任务分配方面。现有的在分簇网络中进行任务分配的方法使得任务只能在单个簇中被执行,而在单个簇内,传感器节点的能量和数量有限,并不能充分发挥网络的性能。针对上述问题,我们在本文中提出一种在重叠分簇的WSN中进行复杂任务分配的算法。该算法先将网络进行重叠分簇,并将待分配的复杂任务分解成多个子任务,然后用适应度函数为这些子任务匹配合适的节点,最后对这些子任务进行分配。在传统的分簇网络中,任务分配只能在单个簇中进行,而在重叠分簇网络中,部分传感器节点可能同时属于多个簇,在任务分配过程中利用这类节点,使簇与簇之间进行协作,从而提高复杂任务被成功分配的几率。仿真结果表明,该算法能够显著降低网络能量消耗、延长网络生命时间、均衡网络负载,并且能够保证任务的时效性。(2)基于自适应联盟形成的复杂任务分配方面。在分布式传感器网络中,通常需要多个传感器节点组成联盟来完成一些复杂任务。由于通信和计算能力的限制,一个传感器节点不可能直接与所有其他传感器节点都建立联盟。在MAS中,大多数已有的联盟形成研究同样忽略了这一问题,那些研究并没有提供明确的说明,或者假设传感器节点处于完全连接的网络中,而这在实际应用中并不可取。同时,在任务分配策略上,之前的研究都是以第一个被分配到任务的节点为中心,然后以遍历的方式由近及远寻找具备完成剩余子任务的节点,但是这些节点的性能并不能得到保证,尤其是在并行任务分配的时候,出现死亡节点和任务分配失败的概率更大。为了充分发挥网络的性能、减少传感器节点能量的消耗、均衡网络负载、提高任务分配效率,本文提出了一种基于自适应联盟形成的复杂任务分配机制,在任务分配过程中,节点会收到多个盟主的任务协作请求,该机制允许节点对这些请求进行评估,动态地调整与这些联盟的关系。基于双向选择机制,节点与联盟之间可以相互评估、选择,然后不断地调整联盟结构,最终针对任务形成合适的联盟。最后,仿真实验证明了该算法的优越性。