1、無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Network-WSN)作為物聯(lián)網(wǎng)的“末梢神經(jīng)”，是一種綜合數(shù)據(jù)感知與采集、融合處理和信息傳輸功能于一體的無(wú)線自組織智能群體型網(wǎng)絡(luò)信息系統(tǒng)，其典型的應(yīng)用就是監(jiān)測(cè)某個(gè)目標(biāo)區(qū)域，采集人們所需的各種客觀世界的物理信息，實(shí)際情況中，大部分監(jiān)測(cè)區(qū)域都是人類(lèi)無(wú)法直接到達(dá)進(jìn)行確定性部署的，但可以通過(guò)隨機(jī)散播傳感節(jié)點(diǎn)以自組織的方式形成WSN。傳感器節(jié)點(diǎn)其物理結(jié)構(gòu)固有的特性導(dǎo)致節(jié)點(diǎn)感知范圍是有限的，故不能有

2、效地保證監(jiān)測(cè)區(qū)域的覆蓋率達(dá)到應(yīng)用的需求，因此WSN要想得到廣泛的實(shí)際應(yīng)用，覆蓋率必須得到保證，這關(guān)系著網(wǎng)絡(luò)的性能及服務(wù)質(zhì)量。由于無(wú)線傳感器網(wǎng)絡(luò)是典型的群體型網(wǎng)絡(luò)，其覆蓋控制問(wèn)題很明顯地具有群體自組織的特征，因此本文在群體智能算法的基礎(chǔ)上建立了覆蓋優(yōu)化策略，論文的主要工作如下:
　　 1、分析了全局版粒子群(Global Particle Swarm Optimization:G-PSO)和局部版粒子群(Local Particl

3、e Swarm Optimization:L-PSO)算法形成、原理、步驟及流程，在主頻:2.30GHZ，Matlab-R2012a環(huán)境下對(duì)G-PSO、L-PSO算法設(shè)計(jì)區(qū)域覆蓋優(yōu)化仿真實(shí)驗(yàn)（以下實(shí)驗(yàn)環(huán)境均同上）并分析影響因子，根據(jù)實(shí)驗(yàn)結(jié)果提出改進(jìn)思路。
　　 2、針對(duì)G-PSO算法中最差粒子在整個(gè)種群進(jìn)化過(guò)程中的變化情況，設(shè)計(jì)了最差機(jī)遇全局粒子群算法(The Worst Challenge G-PSO)WCG-PSO，通過(guò)仿真

4、實(shí)驗(yàn)，將WCG-PSO與G-PSO在同等實(shí)驗(yàn)參數(shù)條件下進(jìn)行對(duì)比分析。
　　 3、分析局部版粒子群L-PSO鄰域?qū)W習(xí)粒子的影響力及效果，提出了螢火蟲(chóng)粒子群算法(Glowworm L-PSO)GL-PSO，將螢火蟲(chóng)中的吸引度與亮度關(guān)系思想引入到局部鄰域獲取中，通過(guò)仿真實(shí)驗(yàn)，將GL-PSO與L-PSO在同等實(shí)驗(yàn)參數(shù)條件下進(jìn)行對(duì)比分析。
　　 4、將G-PSO與GL-PSO算法融合形成GLG-PSO。并通過(guò)在同等實(shí)驗(yàn)參數(shù)條件下設(shè)

5、計(jì)覆蓋優(yōu)化仿真實(shí)驗(yàn)，并與上述幾種改進(jìn)的算法對(duì)比，得出GL-PSO覆蓋方案較優(yōu)，融合后的GLG-PSO算法性能不及GL-PSO，但為下面進(jìn)一步的改進(jìn)提供了思路。
　　 5、將GL-PSO與混洗蛙跳算法融合形成(GL-PSO)-Shuffled Frog Leaping Algorithm:GLPSO-SFLA算法，利用蛙跳算法的深度局部搜索及全局交流的思想并結(jié)合螢火蟲(chóng)粒子群算法的優(yōu)質(zhì)鄰域?qū)W習(xí)信息進(jìn)行優(yōu)化，并與上述的G-PSO、WC