作为无线传感网络的基础问题，网络覆盖反映了网络所能提供的“感知”服务质量，并直接决定网络的使用效果和服务体验。同时，由于无线传感器网络节点具有电源能量低、二次补充能量难的能量约束问题，因此在保证网络覆盖质量的前提下，应最大化均衡和降低网络能量，从而实现优化网络覆盖控制。作为新型的机器学习机制，增强学习正好用于解决具有感知周围环境的agent，通过与环境信息交互，自身动作的奖惩，学习选择出实现目标的最优动作控制策略的问题。因此基于增强学习，设计合理有效的传感器网络覆盖控制方法及节点调度策略，研究兼顾能量有效和网络覆盖两方面性能的传感器网络覆盖优化算法是本文的研究重点。本文系统的分析并总结了无线传感器网络覆盖问题，在深入的研究当前网络覆盖控制的热点问题基础上，针对基于增强学习的网络覆盖算法和其他优秀的覆盖控制算法存在的问题，提出相应的改进策略。具体工作总结如下:(1)研究了无线传感器网络的特点，总结了无线传感器网络覆盖控制问题在全向和有向感知模型下的相关典型算法；分析了增强学习及其框架下的学习自动机中基于机器学习的优化控制机制，并综述了增强学习在无线传感器网络覆盖控制领域的相关研究成果。并针对网络覆盖中重点问题及在其研究过程中存在的不足，基于增强学习框架下的学习自动机，提出具有相应解决方案的覆盖控制算法，并对其可行性进行了分析和验证。(2)优化簇首选择、均衡节点能量负载并降低簇内覆盖冗余以延长网络存活时间，是无线传感器网络分簇协议研究的重点。针对无线传感器网络节点随机分布的情况，在基于学习自动机的ICLA算法的基础上，提出一种兼顾节点密度的能耗均衡分簇算法。该算法采用全向型网络模型，在簇头选举方面，综合考虑节点剩余能量和节点密度，利用学习自动机与周围环境进行信息交互和动作奖惩，选择出相对较优的簇头；根据簇首与基站距离和其节点密度构造大小非均匀的簇，实现不同位置不同网络疏密程度下簇内和簇间能耗互补均衡；构造了基于簇首剩余能量、簇内节点密度和传输距离的评价函数，并运用贪婪算法选择出最优中转簇首进行多跳传输。并采用基于学习自动机的簇内节点调度策略减少簇内活动节点数量，降低网络覆盖冗余。仿真实验结果表明，该算法能选择出更为合理的簇头，有效地均衡网络能量负载，延长网络生存时间。(3)优化节点感知方向调整、降低网络覆盖冗余以实现网络长期高效的覆盖，一直是有向传感器网络覆盖控制的研究重点。针对现有的基于虚拟势场的覆盖增强算法和冗余节点休眠调度算法存在的问题进行深入研究的基础上，提出了虚拟势场结合学习自动机的覆盖控制算法。在网络覆盖增强方面，引入基于质心距离和重复感知率的虚拟力改进模型，综合考虑虚拟向心力和切向力对感知角度调整的的影响，建立微观虚拟力与转动角度的关系模型，并根据网络整体覆盖率增长率对节点调整幅度进行宏观控制，从而更为合理的调整了节点感知方向。在网络覆盖冗余控制方面，根据节点重复感知率和能量因素，通过学习自动机与环境信息的交互、对选择动作的奖惩，学习到最优的冗余节点休眠调度策略。仿真实验结果表明，该算法能够显著增强网络覆盖，并有效地控制网络覆盖冗余。