微机电技术在近年来的持续、快速发展使得移动传感器网络的构建成本越发低廉、性能越来越高、功能越来越丰富。由于具备更多功能和移动能力,移动传感器网络可广泛应用于传统静态传感器网络难以抵达或自适应要求高的环境中,因此引起国内外学者的广泛关注。传感器的部署问题一直是传感器网络的研究热点之一,传感器的合理分布是保证网络高效且长期工作的前提。目前移动传感器网络可分为纯移动传感器网络和混合传感器网络,大部分对该两种网络的部署研究都是在给定的静态环境中进行。而很多应用环境中,监测信息具有一定动态,且由于传感器网络的大规模以及通信能耗大等特性,部署算法必须是分布式的。因此对动态环境中的分布式移动传感器网络部署控制研究有着重要的意义。本文在网络内出现静止或运动目标(事件),以及监测区以目标为中心的背景下,对各种不同部署目标下的分布式控制以及部署后基于一种新型融合模式—“移动Agent融合模型”的Agent融合路径优化问题进行了研究。本文的主要内容包括:　　网络内无覆盖漏洞时覆盖面积最大的优化问题。在仅可利用本地和邻居节点信息的限制下,以逼近包含目标为中心的正三角形网格结构为目的,在传感器节点运动方程分别为一阶和二阶积分器模型时,提出针对静止和运动目标的分布式控制算法。为确保稳定的网络拓扑,在逼近目标结构的同时,传感器节点速度趋于一致。为确保覆盖无漏洞、使节点分布更均匀、使节点更紧凑地包围目标,分别提出相应改善规则。对提出的控制算法,分别基于LaSalle和非光滑分析给出稳定性证明。在以目标为中心的各向同性传感器网络均匀部署算法基础上，提出一类各向异性传感器网络部署算法和以预测轨迹为中心的均匀部署算法。　　监测质量最优的分布式控制问题。首先提出基于最小二乘法和一致性算法的目标位置估计算法,随后建立基于Voronoi剖分的目标优化函数。在传感器传感半径和通信半径受限的情况下,提出只依赖于本地信息和Voronoi邻居节点信息的分布式控制算法。提出了基于非均匀部署的监测质量优化方法。利用生成随机数的逆函数法,构建从均匀部署算法到传感器节点分布逼近信息密度分布函数的非均匀部署以此来提高事件检测概率。　　负载均衡的分布式控制问题。首先将负载均衡问题转化为以信息密度函数为权值的监测区等重剖分问题。考虑到传感器半径受限,提出基于Voronoi图的分布式负载均衡控制算法,并提出同时考虑其它优化目标的控制算法。考虑到在信息密度函数为常值时,基于Voronoi图的负载均衡剖分存在且不一定唯一,而信息密度函数不为常值时基于Voronoi图的负载均衡剖分不一定存在,提出一种基于逆函数法的广义Voronoi剖分和分布式控制算法,以此得到任意信息分布密度函数情况下的负载均衡剖分算法。　　移动Agent融合路径优化问题。在部署完成后,网络拓扑可知的前提下,首先在单Agent融合时,建立优化函数并证明其为NP-C问题,提出改进的蚁群算法求取次优解。随后考虑Agent可克隆的情况,建立包含Steiner树为子问题的路径优化问题,提出改进的蚁群算法进行求解。最后考虑Agent于传感器节点上融合能耗不可忽略时,针对融合全部源节点和部分源节点的两种情况,分别提出二层和三层编码的遗传算法求解。