随着新一代信息通信领域的快速发展,高效稳定的数据转发策略,逐渐成为深度信息交互的通信基础,受到广大科学工作者的青睐。当前,在日益复杂的大规模网络中,有关物联网系统模型、体系架构和关键技术都还没有形成清晰与统一的认识,大规模协同的物联网还处于理论研究阶段。因此,复杂环境下的数据链路的选择与建立成为当下研究的热点与难点。本文基于短距离无线通信技术,旨在提升网络在多参数、异构能量等复杂背景下的数据传输效率。首先在考虑降低网络时延的背景下,通过马尔科夫决策和蚁群算法结合选取最优路径,寻找全局最优的数据传输策略;其次针对在能量异构网络中,节点能量消耗不均衡导致网络生命周期降低的问题,采用改进的灰狼算法增强网络中簇首的局部搜索能力,确保簇首寻找的可靠性提升网络性能。具体的研究如下:(1)针对网络结构、能耗、节点数量、移动性等诸多因素对链路质量造成的影响,考虑多参数之间的均衡,本文提出一种基于马尔可夫-蚁群算法的数据转发策略,该方法通过构建基于马尔可夫的路由决策模型,对节点通信范围内的路径进行评估,通过综合考虑链路质量、节点剩余能量和节点邻居数等多个参数,动态调节参数间的平衡,利用其在各节点的决策集合,选择满足要求的路径作为数据转发的允许决策集,并参照蚁群觅食过程选取全局最优策略的物联网路由链路,使网络运行在最优状态。相比于传统蚁群算法路由方式,该方法提升了数据的传输效率,网络延时约降低了54.3%。(2)针对现有的三级能量异构的无线传感器中网络存在的分簇不均、簇首选取不合理及远距离节点直接与基站通信的问题,本文提出了一种基于能量异构无线传感器网络的AD-HGWO分簇路由协议。首先,该协议以一阶能量消耗模型为基础结合K-means算法,选取最优的分簇个数;其次,将狼群映射到无线传感器网络节点,在每个簇内综合考虑节点剩余能量及当前节点到基站的距离建立新的适应度函数,利用各个节点的适应度值,选取最优个体逼近最佳的簇头位置;最后,为了降低计算的复杂程度,采用一种余弦函数的非线性调整策略,加速算法的收敛过程;由MATLAB仿真结果表明,该算法相较于传统的SEP算法,网络生命周期提升了约119%。