目前无线可充电传感器网络已成为国内外热门的研究方向,由于传感器所能携带的电量有限,并且可移动充电节点还存在能耗高、联合优化灵活性低等问题,所以,如何合理的设计无线可充电节点的充电部署优化方案是如今研究的关键。本文提出了一种基于无人机的无线可充电传感器网络充电性能联合优化方法,以此来提高无线可充电传感器网络（WRSN）的寿命。首先基于网络模型、无线充电模型、无人机能耗模型构建出一个无线可充电传感器网络中CUAV部署问题优化模型（CUAVDOP）,并对所制定的CUAVDOP进行了NP难问题的分析和证明。此外,还将LEACH协议引入到无线可充电传感器网络中,进一步针对CUAVDOP优化问题提出了一种改进的萤火虫算法（IFA）来求解CUAVDOP,具体操作如下:（1）针对无线可充电传感器网络中的无人机（CUAV）的部署问题,介绍并分析了相关的WRSN网络模型、无线充电模型、无人机能耗模型和LEACH协议模型,提出了基于CUAV的联合目标优化部署解决方案（CUAVDOP）,方案选择了三个优化目标,CUAVs充电范围内所覆盖的传感器节点数量、充电效率以及CUAVs的运动能量消耗,通过线性加权法将三个优化目标联合起来,使得在最大化充电效率的同时,让CUAVs所能充电的传感器节点数量达到最多,并且使CUAVs的能量消耗最少,以取得模型的最佳优化效果。通过分析证明了该方案是一个NP难问题。进一步将基于LEACH协议的优化问题进行数学建模,主要是在LEACH协议中加入了充电操作,为研究CUAVs在WRSN中部署优化问题提供了框架支持。（2）因为群智能优化算法对于混合性优化问题的解决效果较好,并且也是解决NP难问题的有效方法,所以选择群智能优化算法中的萤火虫算法（FA）来对CUAVDOP的联合目标优化问题进行求解。针对在大规模场景下传统萤火虫算法吸引力较弱的缺点,并且为了进一步提高传统萤火虫算法的性能,本文提出了一种改进的萤火虫算法（IFA）,采用了改进的动态吸引力模型,达到了萤火虫的吸引力根据其搜索范围的大小自适应调节的效果,而且基于改进的吸引力模型,通过引入全局最优值调整了自适应步长因子来共同影响萤火虫的运动,解决了原来算法收敛速度慢和全局搜索能力弱的不足,使其在应用场景以及求解精度上更适合于所制定的模型CUAVDOP。IFA算法不仅提高了萤火虫在早期迭代时相互的吸引力,而且提高了算法的收敛速度,也通过改进自适应步长因子来减小萤火虫的移动步长,避免了算法仅达到局部最优,提高了全局搜索能力和算法求解的精度。（3）在小规模和大规模两种应用场景下,通过仿真实验将IFA算法的性能进行验证,结果表明,IFA算法与其它多目标优化算法和单目标群智能优化算法相比较,能够有效地实现目标联合优化。此外,IFA的算法性能也更优于其它一些算法,可以更有效地延长WRSN的网络生存周期。