无线可充电传感器网络(WRSN)利用无线能量传输技术,通过移动充电节点(MCV)对传感器节点充电来延长WRSN的网络生存期。目前集中在MCV的部署和轨迹规划的研究工作较多,且已经取得很好的进展,但是仍存在充电效率低、MCV能耗高、联合优化目标少等问题,其中如何设计多目标(例如MCV的能耗、节点覆盖、充电效率)的联合优化问题,是延长WRSN的网络生存期的关键。本文将常规WSN的LEACH协议引入WRSN,旨在传统LEACH协议中增加充电阶段,为研究MCV动态部署优化问题提供框架基础。进一步基于无线充电模型、通信消耗模型和移动消耗模型演化出WRSN网络中MCV动态部署的多目标优化模型(MCVDOS MaOP)。模型包括四个优化目标:(1)同时增加MCV充电范围内的传感器节点数量;(2)减少MCV的移动能耗;(3)剩余能量最小的传感器节点优先被充电;(4)使MCV更接近其覆盖范围内的所有传感器节点。之后进一步证明了MCVDOS MaOP是一个NP难问题。针对MCVDOS模型分别构建了单目标线性加权优化问题和多目标优化问题,并提出相应的改进算法进行求解:MCVDOS MaOP场景中的单目标优化解决方案,引入了线性加权法将多目标优化问题转化为单目标优化问题。因为群智能优化算法在解决单目标的混合优化问题上有较好的优势,所以采用FA来对MCVDOS的单目标优化问题求解,为了进一步提高FA效率,在IFA中引入了动态吸引力因子和步长因子调整机制。一方面在早期迭代中通过提高萤火虫之间的吸引力提高了收敛速度,另一方面,在迭代后期通过减小萤火虫的移动步长,避免了错过最优解而导致的寻优震荡,提高了求解的精度。实验表明,IFA在解决MCVDOS的单目标优化问题上,与其它单目标的群优化算法相比,有更好的收敛速度并且更好的延长了WRSN的网络生存期。MCVDOS MaOP场景中的多目标优化解决方案,可以有效地解决单目标优化方案中因主观性较强而导致评价结果失真的问题。多目标优化解决方案在INSGA-II中引入了MOFA的萤火虫吸引力算子和动态位置更新机制,一方面在迭代前期,通过萤火虫吸引力算子使个体向最优解靠近,提高了INSGA-II收敛速度;另一方面在迭代后期,通过萤火虫的动态位置更新机制,提供了不同的求解角度,避免陷入局部最优解,提高了解集的求解精度。实验表明,MCVDOS多目标优化模型可以大比例的延长WRSN网络生存期;同时,INSGA-II在解决所提出的MCVDOS MaOP问题上,相较于其它多目标优化算法和包括IFA在内的单目标群优化算法,提高了求解精度,在延长WRSN的网络生存期方面具有优势。