无线传感网成本低、动态拓扑性强、应用广泛的特点使之成为当前研究热点之一。由于地理的特殊性,一旦无线传感网络中的节点撒布完毕,便无法对其进行回收或充能处理,因此整个网络的能量是有限的,这一特点使网络能量利用最大化成为了无线传感网分簇路由的设计原则之一。现有文献表明人工智能算法能够有效地完成无线传感网的分簇与路径规划,其中人工智能蚁群算法模仿自然界蚂蚁的觅食过程,具有正反馈与分布式并行计算机制,并具有较强的鲁棒性。本文通过对现有相关文献的研究与分析,针对其在解决无线传感网络分簇与路径规划中存在的不足,以进一步提升能量效率为目的,提出了改进方案。本文完成的主要工作如下:(1)针对传统的人工智能蚁群算法在解决优化问题过程中存在的转移概率计算复杂,算法在计算过程中出现停滞,对最优序列正反馈的利用不足的缺点,本文在本项目组前期提出的一系列改进蚁群算法的基础上提出了自调节随机扰动蚁群算法,对转移概率进行改进,增强了人工智能蚁群算法的收敛性与全局性;同时为了进一步加强算法的收敛速度,解决算法在迭代中出现的停滞情况,本文提出将自调节随机扰动蚁群算法与混沌相结合,得到改进的混沌蚁群算法。(2)在簇首固定的WSN中,节点通过分簇方案被分配给各自簇首形成簇,并将收集到的信息发送给簇首,簇首接收到数据,对其进行处理,将聚合数据以多跳的形式发送到基站。针对文献[82]提出的遗传算法分簇路由算法存在的收敛慢,易陷入局部最优的缺点,本文提出用改进的蚁群算法完成节点的分簇方案及簇首多跳的路径寻优,最后通过仿真对比证明改进的蚁群算法在此处应用的优越性。(3)为了高效地利用WSN的能量,LEACH等协议采用轮转簇首的策略,产生最优簇首集后,节点通过距离最优原则被分配给最近的簇首形成簇。针对LEACH协议中剩余能量很少的传感器节点也可能被选为簇首的缺点,本文提出利用改进的蚁群算法,同时考虑整个网络与每个传感器节点的能量消耗,迭代产生最优簇首集。通过仿真系统的能量消耗与节点能量耗尽后死亡趋势图,证明自调节随机扰动蚁群算法在此环境中与LEACH协议对比的优越性。