近年来，无线传感器网络的用途现在越来越广泛，大到军事领域的战场监测，小到家庭自动化装置，可谓说是无孔不入，越来越和人们的生活息息相关。以前，无线传感器网络中的数据采集都是基于客户端/服务器模型，随着大型网络的迅速发展，有人把移动智能体引入了无线传感器网络，这种模式，改变了传统的数据融合模型，得到了迅猛的发展。在无线传感器网络领域，路径规划问题始终是一个决定性的难题，特别地，把移动智能体引入无线传感器网络，相应的问题也随之而来。对于单移动智能体的路径规划问题，目前的理论方法已经发展的很完善，近两年，有人提出了无线传感器网络的多移动智能体系统，并把这种模型的路径规划问题提上日程，求解这种模型问题变得炙手可热，不过很多时候，人们都是望洋兴叹，并没有取得实际性的进展，目前比较有价值的多路径规划算法主要都是基于四步法。本文主要做了以下工作，一方面通过仿真，实现并对比了几种目前比较流行的无线传感器网络多智能体路径规划算法，另一方面，把遗传算法引入了这种模型求解，并针对无线传感器网络的路径规划问题，提出了基于遗传算法的无线传感器网络多智能体路径规划算法，这里的遗传算法，它包括目标源顺序编码和目标源分组编码基因，具有新的交叉和变异集合，同时构建了新的适应度函数，最后，通过OPNET仿真，观察了影响这种新算法的一些因素，主要有迭代次数，搜索空间，顺序交叉比率，顺序变异比率，分组变异比率，同时实现了这种算法以及局部临近最优的单智能体路径规划算法搜索结果的可视化，最后，和目前几种流行的多智能体路径规划算法做了比较，发现提出的方法相对其他方法，在考虑能耗和延时乘积的情况下，表现最优，因此，此课题具有一定的理论创新意义。