无线传感器网络（WSN）通过部署传感器节点可以实时感知环境信息,完成智能化的数据收集和处理,是物联网感知层与现实世界实现联通的关键环节。面对不同的应用场景,WSN可以通过路由算法自适应调整网络结构,动态优化网络性能,具有部署灵活和成本低廉的特点。然而,传感器节点的能量有限性和部署位置的随机性,使得网络容易出现能耗不均和通信质量低下等问题,影响网络的稳定运行,从而导致WSN的大规模应用面临巨大挑战。本文针对这个问题,对能效均衡的WSN路由算法展开研究。论文的主要研究工作有以下几方面:首先,对WSN路由算法的实现原理进行研究,深入研究层次型拓扑路由算法,从簇首节点的选举、节点入簇和数据传输三个方面分析路由算法的节能思想,发现当簇首节点的位置分布不均时,会出现簇首节点能耗过大、极大簇极小簇并存等簇结构不合理的现象,延长网络通信距离,增大网络能耗;同时当簇间传输路径中的节点能量消耗不平衡时,会产生无效路径致使传输数据丢失,影响网络服务质量。然后,针对簇结构不合理的现象,提出基于精英粒子群的分簇路由算法（HGPSO）。该算法采用双层网络拓扑结构,将转发簇内信息的工作转交给分担节点,降低簇首节点的能耗,每个簇首节点都有唯一对应的分担节点,有效避免中继功能失效的情况发生;提出综合考虑节点能量、位置和负载均衡性的适应度函数,并利用粒子群智能算法选举最优目标节点集合;为了提高搜索性能,参照遗传算法中的精英思想对粒子种群进行交叉和变异处理,增强搜索目标的多样性,并通过与适应度函数相关的非线性自适应化惯性权重,帮助粒子逃离局部最优。最后,为降低数据传输过程中的网络能量消耗,提出蚁群优化的多跳路由算法。该算法在所提HGPSO算法的分簇基础上,让分担节点以单跳多跳相结合的方式进行数据传输,利用蚁群智能算法为网络规划最优传输路径;提出综合考虑节点能量和位置信息的状态转移概率函数,并利用与分担节点和sink位置相关的角度因子引导下一跳节点的方向,避免节点“回头”;引入强化学习的代理思想对信息素进行全局更新,使路径规划具有最优邻居的启发性;提出与节点负载均衡性相关的路径优越度函数作为评价最优路径标准,保护能量较低节点。