无线传感器网络(Wireless Sensor Network,WSN)综合了传感器技术、微机电系统技术、嵌入式计算机技术和通信等技术,由大量价格低廉的传感器节点组成。因为其具有高监测精度、高容错性、大覆盖区域、可远程监控等优点,被广泛应用于军事、农业和环境监测等领域。由于每个传感器的感知范围有限,为保证整个区域都在监测范围之内,就需要确定合适的覆盖策略,使WSN网络覆盖趋于最大化。此外,WSN网络通常部署在恶劣甚至非常危险的环境中,WSN节点的电源更换、电池再充电等工作往往无法进行。因此,在WSN覆盖问题研究中,除了以网络的最大化覆盖为优化目标外,还需要探讨节点的感知范围与能量消耗之间的关系,以实现节能的WSN优化部署。论文针对WSN节能、优化部署问题展开研究,以粒子群、量子粒子群理论为基础,建立了WSN覆盖优化模型,提出了改进的量子粒子群WSN部署算法,它通过动态调整感知半径有效地减小了节点能量消耗,实现了90%以上的网络覆盖率。论文结构安排如下:第1章介绍了WSN网络概念、论文研究背景和意义,以及研究现状。第2章介绍WSN部署相关问题以及典型的网络覆盖算法。第3章研究了基本粒子群算法在WSN部署中的应用,提出了一种改进的量子粒子群网络部署算法;分析了感知半径对WSN覆盖性能的影响,通过动态调整感知半径,从覆盖率和能耗角度出发优化网络部署。第4章对提出的改进量子粒子群WSN部署算法进行性能仿真与分析。结论部分对全文进行总结,指出本论文的不足之处,并对其发展方向进行展望。第3章和第4章是本文的研究重点。在第3章中,考虑到粒子群算法不能保证全局收敛,量子粒子群算法具有很强的全局优化能力,但量子粒子群的区域重复覆盖率较高,因此对量子粒子群算法进行了改进:在量子粒子群算法的位置进化方程中引进了“拟万有引力”和“拟库仑力”两个影响因子,这样可以合理调节传感器节点之间的距离,在降低区域重复覆盖率的同时可以实现快速寻优。此外,由于每个传感器节点感知半径不同,能耗也不同,通过动态调整感知半径,可以使每个传感器节点消耗的能量趋于最小化,实现WSN覆盖的最优化、节能化。第4章是是算法的性能仿真,结果表明:改进的量子粒子群WSN网络覆盖优化算法在覆盖率以及收敛速度方面均优于粒子群算法和量子粒子群算法,同时该算法在降低网络能耗方面也具有一定优势。