无线传感器网络(Wireless Sensor Network, WSN)中的关键问题就是传感器节点能量的有限性,节能高效地使用节点能量是WSN面临的一大挑战。本文研究WSN中传感器节点能量高效控制问题,其优化目标是通过合理选择节点的工作模式以及适应性调整节点发射功率和调制级,实现节点平均每单位能耗的吞吐量最大。论文首先研究了衰落信道下高效的传输策略问题。为了避免节点在感知、接收以及发送数据时不必要的能耗,本文引入了动态功率管理(Dynamic Power Management, DPM)技术。并把单个节点的跨层能量管理问题建模成平均或折扣报酬Markov决策过程(Markov Decision Process, MDP),运用强化学习理论中的Q学习算法,结合模拟退火(Simulated Annealing, SA)思想,求解出了节点高能效的控制策略。最后,论文通过仿真实验验证了该算法的有效性。学习结果表明,节点能耗得到降低,节点的吞吐量也得到了改善。进一步,本文研究多节点同步通信问题,与点对点通信情况的不同点在于某个节点的链路质量要受其他节点决策的影响,因此,近似最优的平衡解也依赖其他节点所采取的策略。本文采用分布式Q学习的方法来近似求解多节点通信场景下的节能优化问题,实验结果表明该算法能获得较好的性能。