作为物联网重要支撑技术之一的无线传感器网络(WSN),是一个目前在国内外都备受欢迎的前沿热点研究方向,多年以来仍旧遍及诸多重要领域,如特殊地区的远程监控、军事战斗、国防建设、环境监测等,与生活息息相关。而路由算法作为支撑网络传输的关键技术,已经随着网络新技术的出现而发展起来。因为WSN所采用的传感器节点制作成本低、体积小、微电池能量供应维持时间较短且不易更换,所以在设计路由协议时应把重心放在节约网络能量上面,进而能够有效地提高网络能源利用率和延长网络生命周期。蚁群优化算法作为一种求解组合优化问题的算法,动态适应性强,与无线传感器网络特点极其相似,受到学术界的极大关注。本文通过研究和比较国内外设计的几类利用基本蚁群算法优化的WSN路由协议,发现其有着共同弊端,即搜索时间长、寻找最优路径过程慢且易陷入部分最优。据此本文设计了蚁群优化与微分进化算法相融合的DEACO路由协议:将蚂蚁群体在路途中留下的“信息素”作为微分进化算子的作用对象,进而利用微分进化算法产生较优解;继而借助蚁群优化算法并行计算的特点和正反馈特性做进一步的求解;最后再利用微分进化算法中的随机偏差扰动产生新个体的方式对之前留下的信息素量进行优化,以期获得更好的信息素分布,进而得到最优路径。微分进化智能算法具备很高的全局寻优能力,尤其是解决组合优化问题时表现出的优于大多智能算法的整体性能,且受控参数少。本文期望通过将此算法与蚁群优化算法结合得到新协议来弥补单纯采用基本蚁群优化算法设计的WSN路由协议的不足,进而有效延长WSN的生存时间,提高网络整体服务质量。为了验证算法的有效性,本文采用网络仿真器NS2对提出的新协议DEACO进行仿真验证,并与ACO路由协议进行对比分析。本文采用三种性能指标来衡量两种协议的网络服务质量Qo S性能,分别是网络的吞吐量、网络丢包率以及平均端到端传输时延;为了更充分说明本文提出WSN路由协议的合理性,在仿真最后给出了两种协议的能量损耗对比曲线。针对仿真结果里的Trace文件编写其对应的gawk代码,分析结果便是在不同发包速率下的三类数据,最后利用Gnuplot画出两种协议的曲线比较图。结果表明本文所提出的DEACO优化策略,在节点能量损耗、吞吐量、网络平均时延以及网络的生命周期方面,均优于ACO协议,由此证明了本文所提出优化协议的有效性。