在无线传感网中,传感器节点在电源能量、计算能力、通信能力等方面具有局限性,节点间如何协作并发挥其整体综合作用,如何延长网络生存期,是设计无线传感网路由算法的重点和难点。本文以无线传感网路由算法作为主要研究对象,分析了几种国内外比较典型的无线传感网路由算法,研究了多sink节点无线传感网在分摊网络能源负载上的优势,并在此基础上提出了两种基于增强学习的多sink节点无线传感网路由机制。从现有的无线传感网路由协议可以看出,它们大都考虑不全面如只考虑节点跳数、距离、位置等。本文利用增强学习算法的Q-learning算法,使节点在选择下一跳时综合考虑节点的剩余能量、通信耗能、距离、跳数,选择具有回报值最大的节点作为路由的下一跳选择,该机制称为基于Q学习算法的多sink节点无线传感网路由机制QLRP-MS(Q-learning-based Routing Protocol for Multi-sink WSNs )。另外,针对分层路由LEACH算法在簇头选择中存在的随机性容易使节点能耗过大、过早失效的问题,本文提出了利用增强学习算法的TD算法预测节点剩余能量,使簇头的选择不再具有随机性,大大提高了选取剩余能量值大的节点当选为簇头的可能性,该机制称为基于TD算法的多sink节点无线传感网路由机制TDLP-MS(Temporal Differences-based LEACH Protocol for Multi-sink WSNs)。通过仿真看出,上述的两种路由机制在一定程度上均衡了网络的能源消耗分布,延长了网络的使用寿命。在多sink节点无线传感网的应用环境下,网络使用寿命更长,性能更好。