无线传感器网络（Wireless Sensor Networks,WSNs）主要是由成本低廉、数目庞大的微型传感器节点之间采用协作互联、自组织的方式构成的通信网络,具有可靠性高、部署成本低廉的等特点。移动汇聚节点的引入,缓解了静止汇聚节点带来的传输热点问题,扩宽了WSNs的应用场景,使得WSNs在军事、医疗、民用等领域得到更加广泛的应用。由于节点自身的能量有限,移动汇聚节点的频繁的位置信息广播会导致节点能量的快速消耗和数据传输拥堵等问题,导致整个网络监测性能降低、网络生命周期减短。因此,在目前的研究中如何设计高效的路由算法来优化节点能量、均衡网络负载、延长网络生命周期具有重要的研究意义。本文以WSNs能量优化为研究背景,结合节点能耗的变化和移动汇聚节点运动状态的参数的变化,提出了自适应簇头选择策略,使簇头的选择更具动态性和节能性。同时,设计了动态的分级传输多跳路径优化策略,优化数据传输路径。随后,基于Q-learning的思想,改进了分级传输多跳路径优化策略。本文的主要贡献如下:在WSNs中,针对移动汇聚节点在移动过程中造成网络能耗过大和数据传输延迟等问题,本文提出了一种高能效的分簇路由算法-CEOMS（Cluster-based Energy Optimization with Mobile Sink）。该算法首先根据移动汇聚节点在移动过程中的移动特性,构建了运动性能函数,增加了远距离节点成为簇头的概率;随后结合在邻域半径内的传感器节点的平均剩余能量率和节点分布密度,设计了能量密度函数,从而剩余能量高的节点优先成为簇头;其次基于传统分簇路由算法,构建包含能量密度函数和运动性能函数的初始簇头选择阈值;最后考虑存活节点密度,通过计算节点的死亡率,从而设计自适应簇头选择调节函数,进而对簇头选择阈值进行自适应调节。通过仿真分析,本文所提出的算法增加了簇头选择的自适应性,缓解了数据延迟,增加了网络寿命,降低了网络能耗。在WSNs中,针对移动汇聚节点频繁的更新自身位置信息会造成传感器节点能耗过大和数据传输不连续性,本文提出了一种基于动态生成树的WSNs移动汇聚节点路由算法-DSTMS（Dynamic Spanning Tree with Mobile Sink）。该算法首先根据移动汇聚节点运动参数,设计自适应位置更新策略,选择位于局部位置更新区域内的传感器节点为会合点接受移动汇聚节点的位置信息,从而提高数据传输的连续性;其次,在LEACH结构中引入最大路径能效函数,将未优化的簇树添加到已优化的生成树上,从而构建动态的多跳传输路径树;最终,构建了运动状态下移动汇聚节点的动态生成树,从而降低远距离传输网络能耗。仿真结果表明,所提出DSTMS算法有效的延长网络寿命,提高了数据传输的稳定性、节省网络资源、均衡网络负载。在WSNs中,针对动态的多跳传输路径树的构建过程中进行分段式优化带来的能耗问题,本文结合Q-learning的算法思想框架,综合考虑了移动汇聚节点的移动特性、节点的当前剩余能量和数据传输路径能耗,提出了一种基于Q-learning的改进动态生成树的多跳路由算法—QLMS（Q-Learning with Mobile Sink）。首先,该算法通过考虑移动汇聚节点、会合点、簇头节点之间的数据传输关系,构建邻接矩阵,限制分级传输;其次,通过考虑节点间数据传输能耗和剩余能量,构建奖励函数,从而为节点计算恰当的下一跳节点对应的奖励值;随后,采用Q-learning算法框架,得到响应值最大的下一跳节点,从而构建节点-簇头-会合点-移动汇聚节点之间的动态多跳传输路径树,进一步优化节点间传输路径,有效降低整个网络数据传输能耗,增加网络生命周期。