Οι τελευταίες εξελίξεις στα πεδία της ασύρματης μετάδοσης ενέργειας και των υλικών μπαταρίας προσφέρουν καινούριες δυνατότητες για τη διαχείριση της διαθέσιμης ενέργειας στα Ασύρματα Δίκτυα Αισθητήρων. Στο πρώτο πεδίο, έχει αποδειχθεί ότι, μέσω ισχυρά συζευγμένων μαγνητικών συντονισμών, η αποδοτικότητα μεταφοράς 60 watts ισχύος σε απόσταση δύο μέτρων φτάνει το 40% και σε απόσταση ενός μέτρου φτάνει το 75%. Επίσης, εμπορικά προϊόντα που κάνουν χρήση αυτής της τεχνολογίας, ήδη κυκλοφορούν στην αγορά. Στο δεύτερο πεδίο, πραγματοποιήθηκε πρόσφατα άκρως ταχεία φόρτιση με μπαταρίες LiFePO4, επιτρέποντας πλήρη φόρτιση σε μερικά μόνο δευτερόλεπτα. Αυτές οι τεχνολογικές εξελίξεις ανοίγουν το δρόμο προς ένα νέο παράδειγμα για τα Ασύρματα Δίκτυα Αισθητήρων, τα Ασύρματα Επαναφορτιζόμενα Δίκτυα Αισθητήρων, τα οποία αποτελούνται από κόμβους αίσθησης (στάσιμους ή κινητούς) και έναν ή περισσότερους κινητούς κόμβους με υψηλό απόθεμα ενέργειας. Οι τελευταίοι, χρησιμοποιώντας τις προαναφερθείσες τεχνολογίες, επιτυγχάνουν γρήγορη ασύρματη φόρτιση των κόμβων αίσθησης. Με αυτόν τον τρόπο, μας δίνεται η δυνατότητα διαχείρισης του πολύ περιορισμένου πόρου της ενέργειας στο δίκτυο, με περισσότερη λεπτομέρεια και αποδοτικότητα. Σημαντικό είναι το γεγονός ότι, από την προοπτική των κόμβων αίσθησης, η διαχείριση της ενέργειας μπορεί να πραγματοποιηθεί παθητικά και χωρίς την υπολογιστική και επικοινωνιακή επιβάρυνση που εισάγουν σύνθετοι αλγόριθμοι διαχείρισης ενέργειας. Επίσης, η διαδικασία φόρτισης μπορεί να πραγματοποιηθεί με πρωτόκολλα τα οποία μελετώνται και σχεδιάζονται ανεξάρτητα από το υποκείμενο πρωτόκολλο δρομολόγησης που χρησιμοποιείται για την μετάδοση των δεδομένων. Το πρόβλημα. Έστω ένα Ασύρματα Επαναφορτιζόμενο Δίκτυο Αισθητήρων στο οποίο οι κόμβοι αίσθησης μεταδίδουν δεδομένα σε ένα κέντρο ελέγχου χρησιμοποιώντας ένα πρωτόκολλο δρομολόγησης και ο κινητός κόμβος φόρτισης, με απόθεμα ενέργειας σημαντικά μεγαλύτερο από έναν κόμβο αίσθησης, είναι ικανός να αναπληρώνει ασύρματα την ενέργεια των κόμβων αίσθησης. Το πρόβλημα που εξετάζουμε είναι η εύρεση της καλύτερης διαμόρφωσης του κινητού κόμβου φόρτισης, με σκοπό τη βελτίωση της ενεργειακής αποδοτικότητας του δικτύου και της παράτασης της διάρκειας ζωής των κόμβων. Η συνεισφορά μας. Αν και έχουν γίνει ήδη σημαντικές ερευνητικές προσπάθειες για την ενεργειακά αποδοτική δρομολόγηση του κινητού κόμβου αίσθησης, οι περισσότερες προτεινόμενες λύσεις στη βιβλιογραφία μέχρι στιγμής υποθέτουν ολική γνώση επάνω στο δίκτυο. Αντιθέτως, οι λύσεις που παρέχουμε είναι πλήρως κατανεμημένες και προσαρμοστικές, και βασίζονται σε τοπική δικτυακή πληροφορία. Επίσης, τα πρωτόκολλά μας για τον κινητό κόμβο αίσθησης μπορούν να χρησιμοποιηθούν σε συνδυασμό με κάθε πρωτόκολλο δρομολόγησης και προσαρμόζονται στην κατανομή των κόμβων αίσθησης στο επίπεδο. Τέλος αναγνωρίζουμε και σχεδιάζουμε σημαντικές παραμέτρους της διαδικασίας φόρτισης, όπως i) το ποσό της συνολικής αρχικής ενέργειας του δικτύου που δεσμεύει ο κινητός κόμβος φόρτισης, ii) το επίπεδο στο οποίο πρέπει να αναπληρώνεται η ενέργεια του κάθε κόμβου αίσθησης, iii) ποιες τροχιές πρέπει να ακολουθεί ο κινητός κόμβος φόρτισης ώστε να φορτίσει τους κόμβους αίσθησης. / Recent advances in the fields of wireless energy transmission and batteries material offer new possibilities for managing the available energy in WSNs. In the first field, the technology of highly efficient wireless energy transmission was proposed for efficient, non-radiative energy transmission over mid-range. It has been shown that through strongly coupled magnetic resonances, the efficiency of transferring 60 watts of power over a distance in excess of 2 meters is as high as 40%. Industry research also demonstrated that it is possible to improve transferring 60 watts of power over a distance of up to one meter with efficiency of 75%. At present, commercial products utilizing wireless energy transmission have been available on the market. In the second field, ultra-fast charging was recently realized in LiFePO4 by creating a fast ion-conducting surface phase through controlled off-stoichiometry. These technologies lead the way towards a new paradigm for wireless sensor networks; the Wireless Rechargeable Sensor Networks (WRSNs), which consist of sensor nodes that may be either stationary or mobile, as well as few mobile nodes with high energy supplies. The latter, by using wireless energy transmission technologies are capable of fast charging sensor nodes. This way, the highly constrained resource of energy can be managed in great detail and more efficiently. Another important aspect is the fact that energy management in WRSNs can be performed passively from the perspective of sensor nodes and without the computational and communicational overhead introduced by complex energy management algorithms. Finally, WRSNs allow energy management to be studied and designed independently of the underlying routing protocol used for data propagation. The Problem. Let a Wireless Rechargeable Sensor Network consisting of a set of stationary sensor nodes and a special mobile node called Mobile Charger. The sensor nodes are deployed uniformly at random over a network area and propagate data to a Sink using a routing protocol. The Mobile Charger has finite energy supplies, that are significantly greater than those of a single sensor node, and is capable of charging the sensors. The problem we study is identifying best possible configuration of the Mobile Charger in order to improve energy efficiency and to prolong the lifetime of the network. Our Contribution. While considerable research efforts have been invested into energy efficient scheduling of the Mobile Charger, proposed solutions in the literature so far require a global knowledge of the state of the network. On the contrary, the solutions proposed in this work are fully distributed and adaptive, and rely solely on local information. Furthermore, our proposed algorithm for the Mobile Charger can be used in combination with any underlying routing protocol and adapts on the distribution of sensors in the network area. We identify and investigate the following trade-offs: i) how the total available energy of the network should be split between sensor nodes and the Mobile Charger ii) given that the energy the charger may deliver to the nodes is finite, whether each sensor will be fully or partially charged and iii) what is the trajectory the Mobile Charger should follow in order to charge the sensor nodes.