在无线传感器网络(Wireless Sensor Network,WSN)中,通常需要执行计算任务、感测任务、通信任务等多种任务。执行任务会耗费一定的计算资源和占用通信带宽,但由于网络资源十分有限,再加上传感器具有计算能力差、能量受限的特点无法单独完成较复杂的应用。因此要设计一种分配算法高效利用现有资源保障任务顺利执行,即在有限能量的网络动态环境中,先有效分配系统中的任务,再将指定任务调度至适合的节点上执行,这要求算法必须结合任务的截止时间、完成时间、耗能、可靠性、负载均衡等性能指标。中外学者对传统网络环境下任务分配算法已有深入研究,但大多不考虑能量约束,因此其算法不能直接应用于无线传感器网络中,这就迫切要求在无线传感器网络领域开展有关于任务分配算法的研究。此外,现有研究大多集中在静态任务分配算法,而环境是会发生动态改变的,如节点状态的变化,因此开展动态任务分配算法的研究具有重要意义。本文主要研究的内容有以下两点:1.本文首先对无线传感器网络中任务分配问题及任务分配相关算法进行讨论。由于当前静态任务分配算法的优化目标较为单一,通常仅考虑一种或两种性能指标,本文提出的静态任务分配算法,除了以计算任务的完成时间最小为优化目标以外,还把能耗和负载均衡等指标作为优化目标,建立了多目标的任务分配数学模型。针对无线传感器网络任务分配受到截止期约束和节点计算及能量受限的特点,提出一种分级优化的计算任务分配算法。根据截止期设立阈值对计算任务进行优先级划分,对截止期较为紧迫的任务设计一种优先分配算法,尽可能减少任务完成时间;对截止期较为宽松的任务,在满足任务截止期约束条件下,考虑无线传感器网络本身能量受限的特性,设计一种以减少能耗和平衡负载为优化目标的算法,来延长网络寿命。仿真实验表明,该分级优化算法在减少能量消耗、减少任务完成时间和平衡网络负载方面比取得较好的效果。2.动态任务分配算法对无线传感器网络环境感知的要求越来越高,但研究者对传感器节点的状态改变考虑不足,本文提出的针对感知任务的动态任务分配算法一方面可使传感器节点尽可能多地进入睡眠状态节省能量,另一方面可感知环境的动态变化(如节点的加入和离开),及时调整分配策略,并把感知任务的完成能耗最小作为优化目标。在感知动态环境的基础上,将传感器网络节点的覆盖率、可调度性等作为该问题的约束条件。将改进后的蚁群算法应用于任务分配算法中,通过迭代得到最优分配方案,同时引入信息熵提升剩余能量充沛的节点执行任务的几率。通过实验表明,该动态任务分配算法与带有迁移策略的蚁群算法(MIACO)以及原始蚁群优化算法(ACO)相比,在降低任务的总完成时间、总能量消耗量及网络负载平衡的上取得较好的效果。图[17]表[1]参数[]