یکی از چالش‌های مطرح در شبکه‌های حسگر بی‌سیم، مساله‌ی پیدا کردن مسیر مناسب برای ارسال همزمان بسته‌ی داده به چندین مقصد مختلف یا مسیریابی چندپخشی است به طوریکه مصرف انرژی در کل شبکه توزیع شود و بسته‌های داده با قابلیت اطمینان بالایی به مقصدهای مورد نظر مسیریابی شوند. با توجه به مزیت‌های فراوان استفاده از الگوریتم‌های یادگیری تقویتی، در این مقاله یک روش توزیع‌شده، انعطاف‌پذیر و مستقل از توپولوژی شبکه با استفاده از الگوریتم یادگیریQ برای مسیریابی چندپخشی ارائه شده است. در این الگوریتم هر گره حسگر مجهز به یک الگوریتم یادگیر است که بر اساس اطلاعات محلی تصمیمات مسیریابی خود را اتخاذ می-نماید و بسته‌ها را به مجموعه‌ای از سینک‌های آدرس چندپخشی ارسال می‌کند. الگوریتم یادگیر تلاش می‌کند که مسیرها با قابلیت اطمینان بالا، انرژی بیشتر و تراکم گره‌های بالاتر را برای مسیریابی انتخاب نماید. این الگوریتم در شبکه‌هایی وسیع که گره‌های حسگر اطلاعات کمی از یکدیگر دارد قابل استفاده است. شبیه‌سازی‌های انجام شده، روش‌ پیشنهادی را از لحاظ درصد موفقیت مسیریابی بسته‌های داده، طول عمر شبکه و میزان مصرف حافظه را در دو حالت تراکم گره‌های بالا و افزایش تعداد سینکها مورد ارزیابی قرار داده است. نتایج به دست آمده کارآمدی روش‌ پیشنهادی، به ویژه در شبکه‌هایی با تراکم بالا و درجه چندپخشی بالا را نشان می‌دهد. Manuscript profile