无线传感器网络是由多个功能节点之间通过无线通信形成的一个相互连接的庞大网络,其中主要的功能节点包含两类:传感器节点和sink节点。无线传感器节点通常采用电池供电,随着物质生活的发展,人们对无线传感器网络的性能需求越来越高,但是电池容量极大地限制了无线传感器网络的功耗和性能提升。针对电池容量带来的无线传感器网络性能瓶颈,现有的研究人员通常从两方面入手:一方面通过优化通信协议和算法,目的是减少无线传感器数据传输过程的能耗,进而降低无线传感网络整体能耗;二是针对传感器能量补充策略进行优化,通过优化充电方式和充电策略提高能量补充效率,进而延长无线传感器网络的持续工作寿命。当前,无线充电技术日渐趋于成熟,部分无线充电技术已经开始逐步应用于无线可充电传感器网络,并已经成为未来的发展趋势,基于无线充电技术的移动充电源开始被应用在无线传感器网络的充电工作中,如何合理地调度移动充电源对无线传感器进行充电是研究人员关注的核心问题。目前国内外的相关研究人员针对移动充电源的调度问题已经做了很多相关工作,现有的解决方案通常基于点对点或点对多的充电模型,将问题表述为类似于TSP的问题,并利用启发式算法找到近似最优解或最优解,移动充电源根据任务规划依次移动到无线传感器网络中的指定地点对传感器进行充电。这类充电策略虽然可以高效率地给出解决方案,但是通常没有为充电计划中可能存在的意外延迟保留余地,在实际应用在存在一定的局限性。以当下热门的智慧城市为例,在城市环境中,对分布在城区中的无线可充电传感器网络进行充电时,移动充电设备的移动路径和移动所需时间通常要受到实时交通状态影响,因此实际情况中的意外延迟几乎不可避免。而现有的充电策略并没有考虑到充电过程中可能存在的意外延迟,在交通情况出现变化而导致意外延迟的情况下,已有的解决方案很容易带来不可接受的充电延迟和充电任务逾期。本文的研究目标是通过规划移动充电源的充电策略来提高无线传感器网络的充电延迟可靠性。为此,本文提出了一种延迟容忍动态调度方案（Dynamic Scheduling scheme for Instant Charging,D-SIC）。首先我们通过显式考虑可能发生的意外延迟,在充电任务调度前修正预估的充电时间;其次,我们将移动充电源的路径规划问题抽象为一个TSP-TD问题（Travelling salesman problem with time-dependent）并提出了一个基于贪心思想和k-opt算法的启发式算法用于解决上述问题,随后我们基于遗传算法对路径规划算法进行了优化;然后,本文提出了一个轻量级的逾期检测算法用于在充电任务执行前对可能发生的任务逾期进行检测;最后,针对即将发生的任务逾期问题,我们提出了一个重调度方案以进一步降低任务逾期数量;除此之外,本文还针对TSPN充电模型下的路径规划算法进行了讨论,并提出了TSPN充电模型下的路径规划算法。最后,本文针对上述算法进行了仿真实验,仿真结果表明,与现有的调度策略^[1]相比,使用D-SIC可以显著降低充电延迟发生的概率,提高充电策略的延迟可靠性。