随着互联网和移动互联网技术、传感器技术以及无线通信技术的快速发展,融合了以上技术的无线传感器网络也得到了深入的发展。因为无线传感器网络中的传感器节点是由电池供电的,所以其在能量和功能上严重受限。因此如何延长网络生存时间,提升整个网络的能量效率一直是无线传感器网络路由算法研究的重点和难点。如今对于单汇聚节点(sink)无线传感器网络路由算法的研究已经比较深入和成熟,但是单sink节点网络拥有很多明显的缺陷。如果唯一的sink节点因为意外而无法工作,源节点的信息无法再发送到sink节点。而且所有的数据都汇聚到唯一的sink节点,不仅会给节点造成较大的数据融合的压力,增加网络的能耗,同时还会使整个网络的能耗不均匀,越靠近sink节点的传感器节点越可能因为能量提前耗尽而失效。在这样的背景下,多sink节点网络路由算法逐渐受到研究人员的关注。因为在传感器节点发送信息时有多个sink节点可以作为目标sink节点,所以在多sink节点路由算法中研究的重点主要集中在如何选择一个相对最优的sink节点作为目标sink节点。本文提出了一种基于朴素贝叶斯分类模型的多sink无线传感器网络概率路由算法。通过该算法,首先建立了一种有效的sink选择机制,传感器节点能够通过朴素贝叶斯分类模型综合考虑网络中的各种条件变量,从而确定出一个在当前场景中最优的目标sink节点,然后将采集到的信息发送过去。随后该算法通过采用概率路由的机制让路由路径的构建变得更加动态和灵活,不仅增强的整个无线传感器网络的可靠性,还使得整个网络的能量消耗更加均衡。最后通过仿真可以看出,本文提出的基于朴素贝叶斯分类模型的多sink无线传感器网络概率路由算法确实让一些具有较高剩余能量的节点都到了有效的利用,均衡了整个网络的能量消耗,延长了网络的生存时间,增强了网络中接收信息的可靠性。