标题：基于深度强化学习的无线传感网络动态分簇优化
作者：薛慧芳 王诗涵
作者单位：鹤壁职业技术学院大数据学院，河南 鹤壁 458000
关键字：无线传感网络；网络分簇；分簇优化；深度强化学习
摘要：无线传感网络在动态环境中常面临分簇决策能力不足的问题，导致网络适应性与鲁棒性受限。现有分簇方法因受网络拓扑动态变化引发的节点状态不确定性、无线信道干扰导致的传输质量波动，以及能量分布不均衡造成的局部过早失效等复杂因素影响，使得分簇决策难以兼顾能耗优化与网络寿命延长，进而造成整体性能下降。为此，提出一种基于深度强化学习的动态分簇优化方法。该方法构建了包含同构传感器节点和中心基站的无线传感网络系统模型，分析由数据收发与融合过程中的能耗特征，建立基于距离阈值的双模能耗计算模型。为解决簇头节点能量消耗过大的问题，设计了分层动态簇头选择策略。在选举簇头时，引入包含剩余能量与节点距离的影响因子来优化。此外，还提出基于深度强化学习的簇间路由规划算法，定义含可信度、剩余能量和负载状态的状态空间，构建融合多项指标的奖励函数，实现最优路径动态选择。实验结果表明，该方法能有效延长网络生命周期并降低能耗，在适应性与能耗控制方面优于传统分簇方法。