本發(fā)明屬于無線傳感器網(wǎng)絡(luò)技術(shù)領(lǐng)域，具體涉及一種基于深度強(qiáng)化學(xué)習(xí)的異構(gòu)網(wǎng)絡(luò)節(jié)能路由方法，傳感器節(jié)點(diǎn)根據(jù)自身傳感器的預(yù)定義計劃感知環(huán)境，收集觀測數(shù)據(jù)并存入對應(yīng)的緩存隊列；并在等待時間內(nèi)，接收鄰居節(jié)點(diǎn)傳送的聚合數(shù)據(jù)并存入對應(yīng)的緩存隊列；傳感器節(jié)點(diǎn)將同一緩存隊列中的數(shù)據(jù)聚合，得到多種類型的聚合數(shù)據(jù)；根據(jù)Q學(xué)習(xí)自適應(yīng)算法選擇每種類型的聚合數(shù)據(jù)的下一跳傳感器節(jié)點(diǎn)并轉(zhuǎn)發(fā)；傳感器節(jié)點(diǎn)根據(jù)下一跳傳感器節(jié)點(diǎn)的響應(yīng)更新對應(yīng)傳感器的Q表，本發(fā)明基于機(jī)器學(xué)習(xí)的自適應(yīng)路由實(shí)現(xiàn)對網(wǎng)絡(luò)動態(tài)變化的實(shí)時捕獲，用較小的開銷實(shí)現(xiàn)對整個網(wǎng)絡(luò)的動態(tài)掌控，具有較好的節(jié)能性能，有效的延長了網(wǎng)絡(luò)生命周期。