无线传感器网络（Wireless Sensor Networks,WSNs）通过自身携带能量的大量节点以自组织的方式对物理世界的信息进行监测,被广泛应用于军事监控、太空探索以及智能家居等多个领域。由于网络节点体积小、计算能力弱且自身携带的能量有限,节能一直是WSNs面临的重要挑战。分簇路由算法作为WSNs的研究热点,通过构建簇拓扑结构以及搜索最佳路由路径,有效降低网络能耗,延长网络生命周期。本文以延长网络生命周期和均衡网络负载为主要目的,充分利用群智能中粒子群和遗传算法的寻优能力,并与混沌理论相融合,力图快速找到分簇和路由的最优解,从而降低网络能耗以最大化网络生命周期,具体内容包括:（1）分析了研究的背景和意义,给出了WSNs的体系结构,并对现有的分簇路由算法进行了综述和分析,归纳出了分簇路由算法的设计原则,并依此对其进行归类。同时在分析现有算法优缺点的基础上,得出群智能是将来分簇路由算法性能提升的有效机制之一,为后续章节研究打下坚实基础。（2）提出了一种基于混沌遗传的无线传感器网络分簇路由算法。该算法采用实数编码,并将簇头选举和路由搜索用单个染色体表示。以最小化网络能耗和负载均衡为目标,重构适应度函数。为了保持种群的多样性,采用混沌计算进行选择、交叉和变异操作优化下一代,找到最优簇头和最佳路由路径。此外,采用含有能量和负载均衡的自适应轮时间对簇进行维护,从而降低因频繁更换簇头所产生的能耗。从收敛速度、能量利用率、负载均衡、网络吞吐量和生命周期方面验证了该算法的改进效果。（3）提出了一种基于混沌粒子群的无线传感器网络分簇路由算法。首先以最小化网络能量为目标计算得到网络最优簇数。其次,该算法考虑节点能量、距离和紧凑性构建适应度函数,采用自适应惯性权重的混沌粒子群算法选择簇头。在数据传输过程中,考虑节点距离和能量构建初始传输路径,并根据节点距离以及跳数构建新的适应度函数,通过混沌粒子群扩大搜索范围,找到簇头到基站的最优路由路径。最后,采用局部和全局轮换相结合的方式进行簇头轮换,从而维持簇结构的稳定状态。从能量消耗总和、网络中节点存活数目、节点剩余能量、节点死亡时刻和网络吞吐量方面验证了此算法的有效性。本文将遗传算法、粒子群算法与混沌理论相融合,并将其应用于分簇路由算法的优化过程中,有助于均衡网络负载,延长网络生命周期。群智能算法的研究不仅为WSNs分簇路由算法提供了新的解决方案,而且为WSNs的实际应用提供了坚实的理论支撑。