无线传感器网络(Wireless Sensor Network,WSN)中每个节点都是一个小型的嵌入式系统。然而,由于传感器节点硬件成本与体积限制,导致传感器自身能量较小,硬件性能较低,在实际使用时由于环境的影响和蓄意的攻击网络中的节点很容易出现故障或死亡。Venkatesan L研究发现当无线传感器网络中某个节点出现故障会对网络的拓扑结构产生不同程度的影响,严重时会造成网络通信任务的失败[1]。因此,网络在故障状态或在遭受打击时,仍然能够提供服务的能力—无线传感器网络的可生存性成为近些年来的研究热点。由于无线传感器网络是一种复杂网络系统,对其进行可生存性量化分析需要将网络进行抽象化描述,以便于对网络进行分析建模。现阶段通过研究无线传感器网络的拓扑结构,使用图论中的相关理论对网络进行分析是研究其可生存性的一个重要方面。本文在前人的基础上,探讨了无线传感器网络的可生存性问题,具体内容如下:首先,本文以无线传感器网络为研究对象,在深入理解国内外研究现状和相关理论知识的基础上,通过分析其拓扑结构,以韧性度作为测度,研究了无线传感器网络的可生存性。传统无线传感器网络以可靠性研究为主,主要手段是增强网络中节点的物理硬件性能,以及增加网络中的冗余节点。但网络中节点众多,盲目的增加冗余节点,不仅会造成数据传输延时造成更大的功耗更可能产生资源浪费。本文通过研究无线传感器网络的拓扑结构,引用图论相关知识,可找出对网络生存能力影响最大的节点,然后提出针对性的优化建议,有效地提升网络可生存性以及数据传输能力。其次,本文在可生存性分析模型中运用韧性度中相关参数作为可生存性的量化指标,描述图连通性的指标有很多如连通度、核度、整度等,但是这些指标只能反映网络的抗毁性。无法对出现故障的网络进行可生存性分析。为了进一步研究网络遭受故障和打击后的连通能力,本文采用了韧性度作为刻画网络可生存性的指标。相比于其他参数,通过韧性度描述网络可生存性更加符合系统可生存性的概念。根据韧性度的概念以及相关定理建立了无线传感器网络的可生存性模型。本文中为了验证WSN可生存性模型以及韧性度作为无线传感器网络拓扑结构可生存性评价指标的有效性,使用基于CC2430的无线传感器网络模块搭建实验平台,通过将实验结果与计算结论进行对比,验证軔性度作为网络可生存性指标的有效性。最后本文介绍了无线传感器网络点的韧性度求解算法,并在粒子群算法的基础上进行算法的融合,通过使用无线传感器网络的生存模型计算网络的可生存性;通过对简单网络的仿真与计算结果对比证明了算法的有效性;通过与遗传算法和传统粒子群算法的比较验证了本文中模拟退火粒子群优化算法的优越性。最后为了进一步说明本文中算法对于无线传感器网络可生存性的重要意义,通过模拟无线传感器网络,并对模拟网络进行优化,提高了网络生存时间,以及数据传输能力,证明使用韧性度评价无线传感器网络可生存性的可行性。