شبکه های حسگر بی سیم اگر بدون سازماندهی بکار گرفته شوند انرژی بالایی مصرف می کنند که باعث کاهش طول عمر شبکه می شود. یکی از راههای کاهش مصرف انرژی و افزایش طول عمر شبکه استفاده از الگوریتم خوشه بندی می باشد. برای استفاده از این الگوریتم باید به اصول خوشه بندی و انواع آن آشنایی داشته باشیم و روشهای خوشه بندی را بیان کنیم، خوشه بندی دارای سردسته و اعضای خوشه می باشد، و کل مجموعه دارای یک سینک که اطلاعات کلی وارد آن می شود. در شبکه های خوشه بندی شده چون ارسال اطلاعات در مسافتهای طولانی توسط تعداد محدودی حسگر که به حسگر سردسته معروفند انجام می شود، مصرف انرژی کاهش می یابد. همچنین برای ارسال،به پهنای باند کمتری نیاز داریم که این هم می-تواند طراحی و استفاده این شبکه ها را بیشتر توجیه کند. علاوه بر این می توان با در نظر گرفتن و استفاده ی بهینه از بعضی روشها و الگوریتم های ویژه مصرف انرژی را بیشتر کاهش دهیم. بدین طریق که هر حسگر اطلاعات خود و مقدار انرژی باقیمانده را برای سینک ارسال می کند و این اطلاعات ثبت می-شود. همچنین توسط این روشها محل تقریبی رویدادی که باید تشخیص داده شود تخمین زده می شود و حسگرهایی که در آن منطقه هستند فرمان می گیرند و فعال می شوند و بقیه ی حسگرها می توانند به حالت آماده و یا حتی غیرفعال بروند تا انرژی کمتری مصرف شود.راه موثر در صرفه جویی انرژی این است که گره ها را در حالت غیرفعال و فعال درست تنظیم کنیم.تصمیم اینکه گره در حالت غیرفعال باقی بماند یا فعال شود بر مبنای تغییرات یا فقدان تغییرات انجام می شود.در حالتی که تغییراتی نداشته باشیم، گره ها به حالت غیرفعال می روند و زمان بین نمونه گیری افزایش می یابد این تصمیم توسط دانش گره ها و سیستم هوشمند انجام می شود.در حالت غیرفعال، تمامی زیر سیستم ها و پردازشگرهای حسگر از کار می افتد فقط یک شمارنده ی خارجی مدت زمان غیرفعال حسگر را اندازه گیری می کند. در حالت غیرفعال هر حسگر 2750 بار کمتر از حالت فعال انرژی مصرف می کند. یک سیستم هوشمند طراحی می کنیم و آنرا بر مبنای اطلاعات جمع آوری شده مجهز می کنیم. وقتی رویدادی اتفاق می افتد یک عامل هوشمند بر مبنای همبندی شبکه ی عصبی تصمیم گیری را انجام می دهد. این سیستم طوری طراحی می شودکه وظیفه ی کامل جمع آوری داده ها از اطلاعات جمع آوری شده و حس شده را مدیریت می کند.در این مبحث یک شبکه ی عصبی بر مبنای روش تحلیلی را بکار می گیریم و یک سیستم با توانایی تشخیص تغییرات ناگهانی در سیگنالهای حسگر با توانایی سازگاری و انطباق تدریجی با این تغییرات برای مدیریت مجازی توان طراحی می کنیم.مدت زمان مجاز برای حالت غیرفعال در پاسخ فعالیت حس شده از محیط و پردازش توسط نرم افزاری که در ایستگاه مرکزی بکار می رود، تخمین زده می شود. سیستم طراحی شده شامل یک شبکه ی عصبی و یک موتور آنالیز رگرسیون می باشد که موتور آنالیز نقش پردازش داده-هایی که از شبکه ی عصبی ناشی می شود را ایفا می کند.عامل هوشمند طوری طراحی می شود که توانایی دینامیکی تنظیم مقدار زمان غیرفعال گره ها را داشته باشد.این تنظیم و انطباق در پاسخ تغییرات در محیط و میزان انحراف ایجاد می-شود.شبکه باید از میزان هوشیاری و زمان آن در حالت اندازه گیری با توان کامل مطلع باشد و باید توسط یک علم قیاسی که در یک لایه ی میان افزاری تعریف می شود مجهز شود. برای ورودی شبکه ی عصبی یک برنامه می نویسیم،در این برنامه ورودی، بسته های اندازه گیری شده حسگر از گره ی x باشد.این ورودی ابتدا وارد یک تجزیه کننده ی بسته می شود، اطلاعات تجزیه شده به یک رابط نمایش دهنده ی اندازه گیری می رود و در یک اسکوپ نمایش داده می شود سپس از یک موتور آنالیز استفاده می گردد، در این موتور یک سری اطلاعات از میزان دما و نور محیط،از قبل وارد شده است و نیز یک پیش بینی کننده ی دما و نور در این موتور قرار دارد.با استفاده از اطلاعات ثبت شده و قدرت پیش بینی و همچنین داده های وارد شده، یک درصد انحراف اندازه گیری جاری و تخمین زده شده حاصل می شود. این درصد انحراف دما و نور وارد شبکه ی عصبی شده و بعنوان ورودی مورد استفاده قرار می گیرند. این ورودی ها در شبکه ی عصبی مورد استفاده قرار گرفته و حالت شبکه را بعنوان خروجی در اختیار برنامه ی میان افزاری قرار می دهد. این خروجی در یک تولیدکننده ی بسته ی پیام غیرفعال مورد استفاده قرار می گیرد.اگر حالت تغییر نکند بسته ی جدید ارسال نمی شود و اگر تغییر حالت داشته باشیم فواصل غیرفعال کوتاهتر می شود و اگر حالت نرمال باشد فواصل غیرفعال بلندتر می شود. این بسته های پیام بعنوان خروجی برنامه به گره ی x ارسال می شود و مقدار غیرفعال حسگر را در این گره بیان می کند. با توضیح مختصر در مورد برنامه هایی که بکار خواهیم گرفت حالت غیرفعال و فعال حسگرها را تنظیم می کنیم تا بیشترین صرفه جویی انرژی را داشته باشیم.در بحثهایی که انجام خواهیم داد به مسائل گفته شده در بالا می پردازیم تا در این روش به یک مصرف انرژی حداقل و ایده آل برای شبکه ی حسگر بی سیم برسیم.