随着科学技术的不断发展,无线传感器网络(Wireless sensor network,WSN)作为热门研究内容,已经广泛应用在车辆跟踪、森林监测、地震观察和建筑监测以及水资源监测等领域中。无线传感器网络覆盖则是无线传感器网络关键技术之一,而在实际环境部署大规模传感器网络时,往往采用随机部署方式,导致覆盖率不高。因此,如何通过优化算法调整无线传感器节点位置,使无线传感器网络实现覆盖优化性能指标更好,具有重要研究意义。本文针对动态无线传感器网络覆盖优化和混合无线传感器网络覆盖优化分别进行了深入研究,目的就是在使用一定数量的传感器节点时,使其覆盖范围最大化,实现覆盖优化性能指标更好。主要的研究成果和创新如下:对于动态无线传感器网络覆盖优化方面的研究,目前已有的研究主要是通过应用群智能算法来获取最优节点位置,但是由于已有的群智能算法搜索能力相对不足,从而导致节点分布不均匀、覆盖率较低等问题。本文将搜索能力更强的嵌入莱维飞行的灰狼优化算法(Lévy-embedded Gray Wolf Optimization,LGWO)应用到无线传感器网络覆盖优化中,为使节点分布更加均匀,在LGWO算法的基础上结合改进虚拟力算法,提出虚拟力嵌入莱维飞行的灰狼优化算法(Virtual Force-Lévy-embedded Gray Wolf Optimization,VFLGWO)。此外,针对大多数的研究缺乏对于节点移动的考虑,从而导致节点平均移动距离较长,本文设计并提出了贪婪节点匹配算法。综上,本文提出了虚拟力嵌入莱维飞行的灰狼搜索(VFLGWO)的无线传感器网络覆盖优化算法。首先,应用VFLGWO获取最优节点位置,然后应用贪婪节点匹配算法获取新的节点匹配顺序。通过仿真实验验证了VFLGWO算法在不同的仿真环境都具有覆盖率更高、节点分布更均匀的优化效果。同时,贪婪节点匹配算法可使节点平均移动距离更短。通过仿真实验的结果可以证明:本文提出的VFLGWO的无线传感器网络覆盖优化算法可以更好地提升动态无线传感器网络覆盖优化性能。对于混合无线传感器网络覆盖优化算法,主要通过移动节点对覆盖空洞进行修复。针对群智能算法在调整节点过程中,移动节点随机移动没有明确目标,导致收敛速度较慢、覆盖率较低等问题,本文创新性地将模糊C均值聚类算法(Fuzzy c-means,FCM)应用到混合无线传感器网络覆盖优化中,提出了FCM覆盖优化算法(Fuzzy c-means Coverage Optimization,FCMCO),对未被静态节点覆盖的目标点聚类,明确地将移动节点移动到聚类中心,完成覆盖空洞的修复。此外,本文提出的贪婪节点匹配算法虽然可使节点平均移动距离更短,但是贪婪节点匹配算法存在不易获取最优解的不足,为了完善贪婪节点匹配算法的不足,本文提出了贪婪交换(Greedy Exchange,GE)节点匹配算法。综上,本文提出了FCM贪婪交换混合无线传感器网络覆盖优化算法(Fuzzy c-means Greedy Exchange Coverage Optimization,FCMGECO)。首先,通过FCMCO获得最优节点位置,然后应用贪婪交换(Greedy Exchange,GE)节点匹配算法完成节点匹配,实现覆盖优化。通过MATLAB进行了仿真实验,实验结果证明FCMCO具有更高的覆盖率,GE节点匹配算法具有更短的节点平均移动距离。通过仿真实验的结果可以证明:本文提出的FCMGECO算法可以更好地提升混合无线传感器网络覆盖优化性能。