物联网的发展离不开无线传感器网络,因为它对现实物理世界的感知控制是通过无线传感器网这一全新的数据采集平台来完成的。其中路由技术作为无线传感网组网的基础,引起了广泛的研究。由于无线传感网的网络节点一次性播撒后,无法给节点持续供应能量,那么如何将有限的能量资源尽可能的用在延长网络的生命周期上便显得尤为重要。在路由协议中优化的拓扑结构将直接提高网络的能量有效性和自适应维护性,而多级簇树拓扑结构作为分簇路由协议的基础,在无线传感器网络的众多路由协议中具有着广泛的应用研究意义。本文首先介绍ETBG算法(The Energy-Aware Topology Protocol Based on Gradient)即基于梯度的有网关的分簇拓扑控制算法,该算法根据极大权独立集的概念结合梯度思想生成多级簇树,算法中节点竞选簇头的能力仅考虑能量和邻居节点数目,簇树路径的选择仅由簇头节点的权值来决定,忽略了其它可能的影响因素,未能找到最优成树路径。而且在大规模的无线传感器网络中,单基站的ETBG算法会造成“能量空洞”的问题,因为靠近基站的节点需要接收融合大量的转发数据,能量消耗非常大,严重地缩短网络的生命周期。针对ETBG优化算法中存在的问题,本文提出基于Q学习的多基站分簇拓扑控制算法CTQL(The Multiple Base Stations Clustering Topology Control Based on Q-learning)。算法根据不同的场景来选择基站数目,利用有序加权平均(OWA)算子多属性决策的方法确定节点的权值,其中节点的综合权值考虑到剩余能量因素、邻居节点数目因素以及距离因素;然后结合图论和定向扩散中梯度的思想对网络进行分簇;最后运用Q学习算法对簇头节点进行周期性的学习训练,比较到达不同基站的不同路径上的Q值进行最优路径的选择,从而实现分簇拓扑控制。通过仿真分析表明,CTQL算法在单基站情况下相对于ETBG优化算法可以有效地延长网络的生命周期,而CTQL算法在多基站情况与单基站情况下比较,可以更加有效的延长生命周期。本文为了提高算法的实用性和自适应性,充分考虑网络节点的上下线所带来的拓扑结构的变化,给出相应的、快速地维护更新算法,用较小的能量消耗建立起新的通信网络,使网络算法可以正常运行。