شبکه های حسگر بی سیم متشکل از تعداد زیادی گره های حسگر کوچک هستند که این گره ها محدودیت هایی در سطح انرژی، پهنای باند، توان پردازشی و حافظه دارند. از این رو کاهش مصرف انرژی، افزایش طول عمر شبکه و مقیاس پذیری چالش های اصلی در شبکه های حسگر هستند. الگوریتم های بسیاری برای مسیریابی در شبکه های حسگر معرفی شده ا ند؛ یک دسته از این الگوریتم ها، الگوریتم های خوشه بندی هستند که هدف اصلی آن ها کاهش مصرف انرژی، توزیع انرژی مصرف شده در کل شبکه و افزایش مقیاس پذیری الگوریتم است. در بسیاری از الگوریتم های مبتنی بر خوشه بندی مشکلاتی وجود دارد که موجب عدم کارایی الگوریتم می شوند. یکی از این مشکلات انتخاب احتمالی گره سرخوشه می باشد که بدون در نظر گرفتن انرژی باقیمانده گره ها است، که در این صورت گره های با انرژی کمتر می توانند شانس خوبی برای سرخوشه شدن داشته باشند. بنابراین پس از مردن این گره ها، خوشه هایشان غیر کاربردی می شوند. از طرفی این نوع الگوریتم ها توزیع شده هستند و نیاز به داشتن اطلاعات سراسری از کل سیستم نیست. در این رساله الگوریتم خوشه بندی جدیدی مبتنی بر زنجیره مارکوف ارائه می شود که از نزدیکی گره های سرخوشه به ایستگاه های پایه در احتمال سرخوشه شدن استفاده می کند. هدف این الگوریتم تشکیل خوشه های متوازن با شکل فیزیکی مناسب و تعادل مصرف انرژی است. نتایج شبیه سازی در شبیه ساز ns نشان می دهد که با استفاده از این الگوریتم می توان به طول عمر بیشتری نسبت به الگوریتم های leach و wcce دست یافت.در این پایان نامه روش خوشه بندی جدیدی با ایده استفاده از مدل مارکوف ارائه گردید. انگیزه موجود در این روش عدم اتلاف انرژی در مواردی است که نودهای معمولی موجود در خوشه نسبت به سرخوشه خود به ایستگاه مرکزی نزدیکترند، می باشد. در این روش مشکلات الگوریتم leach کاهش یافته است. به جای انتخاب احتمالی سرخوشه ها مدلی در نظر گرفته شده است تا نودهایی که انرژی بیشتری دارند احتمال بیشتری برای سرخوشه شدن داشته باشند. در حالیکه از مزیت خوشه بندی خودسازمانده نیز بهره گرفته شده است. شبیه سازی ها در محیط شبیه ساز ns-2 انجام شد و نتایج کار با دو الگوریتم خوشه بندی leach و weec که کارکرد هر کدام به تفضیل بیان شد؛ مقایسه گردید. در نهایت با بررسی مقادیر بدست آمده درصد میزان موفقیت هر سه پروتکل در ارسال بسته ها مشخص شد. نتایج شبیه سازی نشان می دهد پروتکل پیشنهادی با کاهش میزان مصرف انرژی و همچنین متعادل کردن میزان مصرف انرژی و توزیع یکنواخت آن درگروه های مناسب تر شبکه، میزان گره های زنده مانده تا انتهای شبیه سازی را افزایش می دهد و همچنین با هوشمند سازی فاز انتخاب سرخوشه احتمال مرگ سرخوشه را بسیار کاهش داده و همین امر سبب شده تمامی سرخوشه ها تا انتهای شبیه سازی کار ارسال بسته به ایستگاه پایه را به درستی انجام دهند.