随着嵌入式计算机技术和无线通信技术的飞速发展,大规模无线传感器网络开始在全球范围内普及。无线传感器网络的覆盖能力直接关系到网络对监测区域的感知能力。由于无线传感器网络的布置形式多样,包括飞机撒布和人工布置等方式,无线传感器网络的覆盖方式灵活多样。不同于传统的网络覆盖,大多数无线传感器网络覆盖问题既要关注如何通过完善网络中传感器节点的地理位置分布以完成监测任务,又要关注如何分布才能使所有节点间距离不大于通信距离,以便顺利组网,同时还要关注能耗和寿命问题。良好的覆盖控制不仅能更好地完成感知任务,完成对区域或目标的监测,还能降低能耗,有效延长网络寿命。在大规模无线传感器网络中,大量传感器节点组网,感知节点首先要完成对目标区域的覆盖才能进行后续的感知工作。如果未完成对目标和感知区域的覆盖,无线传感器网络就无法完成对待监测目标的物理量监测,网络就会丧失可用性。同样,如果在覆盖目标的过程中没有合适的拓扑控制和节点轮值,网络的能量就会很快耗尽,网络的生存性就会受到威胁。因此在覆盖控制中,针对监测任务制定合适的目标或区域监测方案、拓扑控制方案与节点轮值顺序对无线传感器网络性能至关重要。论文先分析了无线传感器网络覆盖的特点,然后采用进化算法解决了大规模无线传感器网络覆盖中的几个关键问题。论文的主要创新点如下：(1)提出了一种基于量子蚁群进化算法的自组织无线传感器网络目标覆盖方法,建立了相应的系统模型。该方法将量子态矢量引入蚁群算法的编码,运用量子旋转门实现蚁群搜索路线的动态调整。通过利用多只蚂蚁进行并行量子化搜索,扩大了搜索范围,实现了量子进化的并行化。在自组织无线传感器网络环境下,将本文方法与基于遗传算法的目标覆盖方法、基于模拟退火的目标覆盖方法进行了仿真比较。仿真结果表明,在不同半径和感知节点数条件下,本文方法的目标覆盖率相比遗传算法和模拟退火算法分别提高了10个百分点和20个百分点左右,成功检出的目标数相比遗传算法高出6.90%到19.09%,相比模拟退火算法高出32.67%到54.27%,显著提升了监测效果。(2)提出了一种新的量子免疫克隆进化算法来解决全覆盖条件下的节点轮值问题。该方法将问题和其解决方案分别映射为量子比特形式的抗原和抗体,提高了编码效率。通过引入量子旋转门对抗体进行变异操作,加快了算法的收敛速度。在无线传感器网络环境下,将本文方法与基于模拟退火算法的方法、基于遗传算法的方法行了仿真比较。仿真结果表明,在不同的传感器节点数和被监测目标数下,相比其他两种算法,本文提出的基于量子免疫克隆进化算法的无线传感器网络能量高效目标覆盖方法在有限的监测区域范围内不但在生命周期内保持了对目标的全覆盖,而且网络寿命相比基于遗传算法的方法延长2.85%至6.62%,相比基于模拟退火算法的方法延长3.95%至8.61%,有效提高了能量利用效率。(3)提出了一种基于模糊化模拟进化计算的无线传感器网络分簇覆盖方案。该方案运用模糊控制技术和模拟进化计算动态选择无线传感器网络的簇头,对无线传感器网络的通信能耗进行了全局优化。将基于模糊化模拟进化计算的分簇方案与基于粒子群算法的分簇方案及基于量子遗传算法的分簇方案进行了仿真比较。仿真结果表明,在不同传感器节点数和簇头比例时,基于模糊化模拟进化计算的分簇方法相比基于粒子群算法的分簇方法网络通信能耗降低了2.34%到36.02%,相比基于量子遗传算法的分簇方法网络通信能耗降低了18.41%到63.04%,即显著提高了能量效率。