无线传感器网络以其低廉的部署成本，较高的测量精度，以及较长的可使用时间被广泛的应用于控制监测等领域当中，具有广阔的发展前景[23]。无线传感器网络是由大量的微型传感器节点组成的分布式网络系统，其中传感器节点可以检测所处环境的物理化学等变化信息，并通过一定的路由策略将收集到的信息通过无线通信的方式经多跳传送到基站等设备进行进一步的处理[27-28]。无线传感器网络可以应用的场景很多，其中包括了在军事、农业、工业及日常应用等领域。在这些应用中，数据收集是传感器节点最基本以及最重要的任务。在数据收集任务中，传感器节点被随机或人工有规划的布置在被监测的地理位置中，节点收集到所需的环境信息后，通过自组的路由路径将信息传送到终端节点，终端节点再通过卫星或者其它手段将汇集的所有信息发送到检测者可观察的接收终端。在信息的传送过程中，中间节点也担当了路由器的角色，因为它需要判断出转发信息的下一跳地址。在无线传感器网络的应用中，这种自组路由策略可以极大的影响网络的工作性能，因此一直以来也是研究的重点和热点问题之一。一般来说，传感器网络的两个特征是衡量路由优劣的重要指标：第一是信息收集的延时，即节点在感知信息后，可以以多快的速度将信息包传递到汇聚节点。第二是传感器网络的可工作时间。考虑到这两个设计标准，我们提出了一钟多路径的分层路由算法称为MPHR（Multi-Path Hierarchical Routing）。MPHR可以充分利用各节点间的可转发连接关系，以减少数据均要转发至汇聚节点时产生的网络拥塞状况，同时可以有效地平衡各节点负载。此外，我们又针对信息收集的地点不均匀分布的应用场景，在MPHR的基础上提出了一种应用加强学习算法的自适应无线路由策略MPHR-RL（MPHRusing Reinforcement Learning）。在该路由策略中，路由的过程被当作分布式智能节点加强学习的过程。每一个传感器节点都是一个独立的智能节点，可以通过参数化的选择概率和回报来决定自己的下一跳地址。该策略的目的是使长时间不工作的节点代替长时间工作的节点传输数据，以达到平均节点能耗，延长整体网络寿命的效果。最后，我们对两种路由算法进行了仿真实验，实验结果表明我们的算法可以有效控制无线传感器网络的拥塞状况，并且平衡网络中节点的负载。