无线多媒体传感器网络以其在目标场景下获取监测信息的丰富性和完善性等优势,现已在多个领域得到广泛应用。其中,网络覆盖控制机制作为其基础感知保障,直接影响着传感器网络的服务质量。然而由于初始部署的随机性导致网络中存在大量的感知盲区和感知重叠区域,使得网络覆盖率过低无法全面获取目标信息。目前,已有学者将群智能优化算法引入网络覆盖增强过程,以提高网络覆盖率。但是由于现有群智能优化算法本身易陷入局部最优,所以网络覆盖率还有较大提升空间。为提升网络覆盖率,本文将算法稳定性较好、收敛性较强的教与学优化算法引入覆盖增强过程,但是教与学优化算法与其他优化算法一样,也存在易陷入局部最优的问题。为此本文先对教与学优化算法进行改进,而后将改进的教与学优化算法应用于覆盖增强过程,再针对覆盖增强完成后网络中节点存在的冗余问题,提出冗余节点休眠策略,从而在保证网络覆盖率的同时降低网络中冗余节点数目。具体研究内容包括以下两个方面。首先,针对教与学优化算法易陷入局部最优的缺点,提出一种基于混合策略的自适应教与学优化算法(MSTLBO)。算法提出了自适应综合交叉学习策略和自适应扰动策略,较大程度的加大了对搜索空间的探索力度,降低了种群陷入局部最优的可能。基于标准测试函数的仿真实验结果表明,本文算法具有较强的全局搜索能力,在收敛精度和收敛速度上有较大提高。其次,针对现有算法无法有效对传感器网络进行覆盖增强以及覆盖增强结束后网络中存在大量冗余监测节点的问题,本文将改进的MSTLBO算法应用于覆盖增强过程,并在覆盖增强后引入冗余节点休眠策略,提出基于改进教与学优化的三维无线多媒体传感器网络覆盖增强算法。算法可有效提升网络覆盖率,同时大大降低网络中冗余节点数目。实验结果表明,本文算法可以通过最少数目的传感器节点实现监测区域网络覆盖率的最大化。与对比算法相比,本文算法可在有效提升网络覆盖率的同时降低网络中节点数目,从而节约网络能源。