随着现代技术和信息网络的进步,物联网的发展热潮已悄然掀起,得到了世界各国学术界、工业界的诸多关注。而作为物联网感知层的重要组成结构,无线传感器网络(Wireless Sensor Networks,WSN)的研究与开发也越来越得到重视。覆盖率是无线传感器网络中一个重要的衡量指标,如何使用有限数量的传感器节点最大范围的覆盖目标区域,同时尽可能的延长网络生存时间,这些都是无线传感器网络中非常具备研究价值的热点问题。20世纪80年代以来,群体智能算法作为一门新兴的优化计算方法,得到了广泛的关注与研究。作为群体启发式搜索算法中的一种,粒子群算法由于其易简单实现、可调参数少、收敛速度快等原因,在解决组合优化问题方面具有无可比拟的优势。同时,针对粒子群算法收敛速度慢、易陷入局部极值等缺陷问题,结合δ量子势阱模型及混沌运动的特性,提出了一种改进的粒子群算法—混沌量子粒子群算法。该算法在迭代寻优过程中采用基于精英个体适应值方差的早熟判断机制,在当前最优解的局部进行精细化搜索,避免算法因陷入局部极值而出现停滞的状况,也保证了粒子种群的多样性。覆盖控制研究在很多方面可以转化为组合优化问题的求解。本文以无线传感器网络的覆盖率为主要优化目标,结合混沌量子粒子群算法在求解组合优化问题方面的优越性来研究随机覆盖优化问题。该算法提高了寻优效率和覆盖优化效果,有效克服了上述缺陷。通过合理移动传感节点使其位置分布更加均匀,这样不仅减少了网络冗余度,而且降低了节点移动带来的能耗。仿真实验结果表明,相比于基本粒子群、混沌粒子群、量子粒子群三种算法的优化结果,该算法在覆盖率、均匀度以及平均移动距离指标方面具有更好的覆盖优化效果,验证了算法的可靠性和有效性。