无线传感器网络（Wireless sensor network,WSN）由许多且数量有限的传感器节点组成,传感器节点可以从环境中感知大量的信息,经过处理传输到数据中心。随着传感器感知技术的迅速发展,传感器网络的应用越来越广泛,比如工业、天气探测、防火救灾、军事国防,特别是对偏远、环境恶劣的地区以及战场进行环境监测和感知。由于传感器网络的覆盖范围大,节点分布范围广,数量多,且通常处于较差的环境,因此当节点的能量不足时,人工更换电池是一件费时、费力,甚至是不可能的事情。近年来,绿色无线通信在无线传感网中得到了广泛的应用,包括新能源、可再生能源的使用以及低功耗节能等技术,能量收集（Energy harvesting,EH）技术也逐渐兴起,从自然环境中收集能量（如风能、太阳能等）,并转化为电能,这种新的供电方式不仅可以使用当下收集到的能量,还能够将能量保存到电池中,这是节点补充能量最环保方便的方法之一。由于传感器网络用能量收集的方式自己去延长生存时间,具有不需要人工干预的优点,现已经在工程实践上得到了大量的应用。但是在实际中,能量收集技术在应用中依然会受到很多的限制。由于能量的来源为自然环境,受天气、地理等环境因素的影响较大,节点能够收集到的能量大小无法提前预测,这样就造成了各个节点能量收集速率的差异。与此同时,节点之间的信道状况（Channel state information,CSI）也受环境的影响而不断发生变化,再加上一些传感器可能部署不良等原因,传感器节点之间的通信有时不可避免地会受到影响甚至中断,这可能会导致整个网络性能的下降。因此,如何有效地使用收集到的能量,来提升系统长期吞吐量等性能指标是WSN在未来发展中必不可少的挑战之一。为了解决这一问题,我们提出了一种由多个子网络组成的放大转发（Amplification and forwarding,AF）无线传感器网络和对应该网络的资源分配策略,用来管理功率和时间等资源,以实现网络通信吞吐量的最大化。依据马尔可夫决策过程（Markov decision process,MDP）的模型,利用了深度强化学习（Deep Reinforcement Learning,DRL）来制定我们的资源分配策略。主要工作如下:首先,为了提高整个网络的吞吐量性能,我们提取传感器网络中带有放大转发AF中继和能量收集的一部分作为子网络,给出了该子网络的优化问题以及优化条件。我们发现,由于该子网络的结构具有通用性,因此当系统得到一个最优的传输策略来更好地在子传感器网络进行资源分配,提高子网络吞吐量时,整体传感器网络的吞吐量也会随之提高。传感器节点的状态转移过程是一个具有未知状态转移概率的马尔可夫过程,并且节点的电量受到自身和外界环境条件的约束,因此,多时隙的资源分配被定义为一个序列多次进行决策的过程。因此,我们提出了一个在单个时隙内调整两类参数来进行能量和时间分配的策略,来实现更有效的资源分配。然后,我们提出了两种传输策略,一个是基于Deep Q-Learning（DQN）的离散状态情况下的资源分配策略,另一个是用于连续状态情况基于Actor-critic（AC）的连续资源分配策略。在连续状态和动作空间中,我们采用AC策略来寻找最优解,并基于能量收集、电池状态的因果信息和信道增益,自适应地获得网络的最大吞吐量。仿真结果表明,所提出两种传输策略都能使子网络中的传感器节点依据长期的状态转移,去自适应改变自身的功耗,进而使长期吞吐量在多种不同的状态下中均优于传统策略,最终提高整体系统的吞吐量性能。