作为迅速发展的传感器技术、微机电技术和无线通信技术的集成体，无线传感器网络是一种新型的信息获取和处理技术，它以实时现场数据采集和无线数据传输的工作形态，提供了一种全新的人类和物理世界交互的信息平台，具有极大的应用前景。　　 然而，作为一种具备通信功能的微型化嵌入式系统，无线传感器网络存在着一些现实约束：电源能量有限；通信能力有限；节点的计算能力和存贮能力有限。这些约束意味着无线传感器网络的资源是稀缺的，因此无线通信资源和能量资源的控制与优化就成为无线传感器网络的一项重要研究课题。　　 由此，本文深入研究了无线传感器网络中的资源优化分配问题，研究工作从不同的角度展开：(1)采用非线性优化方法研究了服务控制系统的传感器网络节点采样频率优化问题；(2)基于软计算方法，讨论了时分多路访问(TDMA)无线传感器网络中的时隙分配问题；(3)基于强化学习方法，研究了IEEE802.15.4协议中的工作时间窗优化问题；(4)作为资源问题的研究基础，本文采用UML统一建模语言，研究了无线传感器网络仿真系统的软件模型。　　 具体地，本文主要对以下几个方面内容进行了研究：　　 (1)服务控制系统的无线传感器节点采样频率确定算法的研究　　 在服务控制系统的无线传感器网络中，针对以控制系统性能指标为优化目标，节点通信容量为约束条件的非线性优化问题，提出了节点采样频率的分布式迭代算法，并从理论上证明该算法能使系统收敛到唯一的稳定点上。该算法利用网络节点的缓冲区信息统计作为采样频率迭代计算的基础，具有计算简单、易于实现的优点。仿真结果验证了系统能收敛到唯一的稳定点，显示该算法能以分布式的形式有效分配通信资源，使整个网络化控制系统运行在最优点上。　　 (2)TDMA时隙调度优化　　 针对多到一传输模式的无线传感器网络TDMA时隙分配问题，提出了基于软计算方法的优化框架和一种新的编码方式。以目前较新的软计算方法—微粒群优化算法(PSO)为基础，分别针对单目标问题和多目标问题提出了PSO-GA混合算法和MOPSO-WP算法。对于单目标问题，PSO-GA算法将两种基于群概念的算法——PSO和遗传算法(GA)有机地结合在一起，增强了对最优解的搜索能力。分别对最小化最大传输完工时间和最小化能量消耗为目标的优化问题进行运算，结果显示了PSO-GA算法良好的求解性能。对于多目标问题，提出了基于Pareto方法的MOPSO-WP算法。在PSO算法内部分别采用不同的解评价机制，个体的最优解评价机制采用加权法，群体的最优解评价机制采用Pareto概念，并维护一个全局Pareto最优解集。对同时以能量和时延为最小化目标的优化问题进行运算，结果显示该算法得到的Pareto解集具有较好的覆盖率指标，可在时延性能和能量性能的取舍上提供更好的选择。　　 (3)IEEE802.15.4协议的工作时间窗优化策略研究　　 在星型网络中，针对IEEE802.15.4协议提供的可调节参数，提出了流量随机变化网络的最优工作时间窗问题。对于1点到1点的网络，基于发送节点的缓冲区模型，对最优工作时间窗问题建立了强化学习模型，并采用Sarsa算法对该问题进行了求解，仿真结果表明基于Sarsa算法的自适应工作时间窗优化策略可以通过学习，降低网络的时延和节点的能量消耗速度，得到较好的时延/能量折中方案。对于多点到1点的星型网络，建立了以信道状态为基础的学习模型，提出了基于Sarsa算法的自适应工作时间窗优化策略，仿真结果表明该策略能更好地提高网络的能量有效性，降低节点的能量消耗速度，同时保证一定的网络时延性能。　　 (4)无线传感器网络仿真系统的软件模型研究　　 利用面向对象设计的思想方法，采用UML统一建模语言对无线传感器网络仿真系统WSNSim的软件模型进行了分析和设计，提出了WSNSim的基本软件框架，可以满足介质访问层、网络层、应用层等通信协议中资源分配研究的基本需求。在软件模型的基础上，从仿真系统功能结构、事件驱动仿真机制、系统的主流程及信道访问机制等多个方面对WSNSim的原型系统设计进行了描述，并给出了仿真实例，可以在一定程度上验证软件模型的正确性与有效性。