در شبکه های حسگر بی سیم یکی از روش های کاهش مصرف انرژی گره ها، استفاده از خوشه بندی است. نحوه انتخاب سرخوشه در روش خوشه بندی، می تواند در کارآیی آن و کاهش مصرف انرژی تاثیر بسزایی داشته باشد. در زمانیکه حسگرها متحرک باشند، به دلیل وجود موانع طبیعی در محیط عملیاتی، انتخاب سرخوشه می تواند بر اساس موقعیت فیزیکی و الگوی قرار گیری آن ها در کنار هم نیز باشد. با استفاده از یک شبکه عصبی که بتواند چیدمان گره ها در محیط را با یک الگو از سری الگوهای از قبل یادگرفته شده تطبیق دهد و بر طبق آن مکان مناسب سرخوشه را پیشنهاد دهد، می توان با محاسبات کمی به نتیجه دلخواهی رسید. در این پایان نامه برای انتخاب سرخوشه، روشی پیشنهاد شده که در آن برای انتخاب سرخوشه علاوه بر میزان انرژی باقیمانده هر گره، موقعیت فیزیکی گره ها هم در انتخاب سرخوشه لحاظ شود. در روش پیشنهادی، موقعیت فیزیکی گره ها تبدیل به یک الگو دوبعدی می شود. این الگو به عنوان ورودی به یک شبکه عصبی که داخل حسگر پیاده سازی شده است داده می شود. شبکه عصبی از قبل توسط الگوهای مهم و کلیدی به عنوان ورودی و محل مناسب و بهینه قرارگیری سرخوشه به عنوان خروجی، آموزش دیده است. روش پیشنهادی با الگوریتم های leach و leach-c و fcs مقایسه شده و مشاهده شد که روش پیشنهادی در زمانیکه گره ها متحرک باشند بهتر از دیگر الگوریتم ها عمل می کند .