无线传感器网络作为一种低成本、自组织的网络技术，为更好地掌握信息开辟出了一条崭新之路。在传感器网络的所有技术中，目标覆盖控制是一个重要基础，也是首要任务，它相对于研究普遍的区域覆盖来说，提出得较晚。有关覆盖的研究大多基于圆盘模型，但由于圆盘模型是对传感器的一种简化描述，因此本文为了体现传感器的实用性，分别基于有向和概率模型来研究传感器的目标覆盖问题。本文在完全覆盖所有目标的前提下求解最优传感器集合。研究重点有两个：基于优先级的有向传感器网络的目标覆盖和三维空间中异构传感器网络的目标覆盖：(1)有向传感器有效模拟了可转头监控器等传感器，针对有向模型，本文构建了方向选择集使有向传感器从中选择工作方向；为完善系统模型引入了优先级约束条件。本文针对该问题已有算法在实时性和传感器寻优个数方面的不足，利用两种智能算法分别改进，提出了以下解决方案：第一个方案：通过对粒子群算法引入疫苗接种机制来丰富种群的多样性，并且通过权重因子来平衡局部、全局搜索能力，使其有可能寻找到更好的最终解；第二个方案：利用模拟退火算法能以一定概率接受较差解来拓展搜索空间，并利用该算法只从一个解开始优化且步骤简洁的特点，达到较快得到最优解的目的。通过实验证明了本文提出的两种智能算法适合于有向传感器目标覆盖的优化问题，相对于原有算法提高了网络的整体性能：减少了使用的传感器个数，增强了实时性。(2)传感器的感知属于概率事件，用概率模型进行模拟更贴近实际。三维空间相对平面区域而言更接近于自然环境，在此空间进行研究准确性更强。为了弥补当网络规模扩大时普通节点能量损耗增加的缺点，在网络中引入了超级节点。本文基于概率模型对三维空间中异构传感器网络的目标覆盖问题进行了研究，针对已应用于此问题的算法在寻优时间上的缺陷，通过免疫优势克隆算法进一步优化。从免疫优势克隆算法与遗传算法的对比中可以发现当仅针对待克隆的抗体进行优化操作时，有利于节省操作时间，通过仿真验证了免疫优势克隆算法在减少仿真时间方面更为理想。