人工智能和信息技术的发展,推动了无线传感器网络的发展,同时该技术的发展也带动了相关技术的发展,比如通信技术和计算机技术,它们之间形成了相互促进的关系。覆盖问题被认为是无线传感器网络所涉及的技术中十分重要的一个,覆盖能力的强弱对于网络的实用性而言是很关键的,只有网络体现了很强的覆盖能力的情况下,其对于所监测区域才能有比较好的监控感知效果。目标覆盖的含义是指如果在监测区域内部有多个目标点存在,那么在任意的时刻,这些目标点至少被1个传感器节点所覆盖。如果网络中的传感器的属性不相同,则被称作是异构传感器网络(heterogeneous wireless sensor,HWSN)。异构网络的应用更为广泛。本论文的研究集中于三维空间中的异构传感器网络,对概率感知模型展开研究,探讨如何在最少的等效工作节点数量的基础上,对区域内的所有目标实现覆盖。在对本论文所涉及的国内外相关领域的研究现状进行分析的基础上,针对HWSN的结构体系进行研究,不同的结构体系其应用领域是不相同的。然后研究了 HWSN的特点,对于其优缺点和技术细节详细地进行了分析。在众多的网络覆盖模型中,传感器节点感知模型是其中比较重要的一个,本文针对这个模型展开细致深入的研究。在传感器节点感知的各种模型之中,相关研究表明,性能较好的是概率感知模型,其对于传感器节点感知范围变化的分析和描述更加准确。在各种覆盖算法中,二进制差分算法和遗传算法被认为是比较经典的算法,因此本文首先对这两种算法进行了研究,包括算法的流程,参数设置等内容,应用在目标覆盖方面,对其性能进行仿真和数据分析。这两种经典算法的缺点是收敛速度比较慢,收敛的精度也不高。因此本文进行了算法的改进,将量子算法和蚁群算法进行结合,形成了量子蚁群算法,完成系统的建模,对于蚁群的搜索路线进行动态调整。最后量子蚁群进化算法被应用到对无线传感器网络的目标覆盖的研究中,仿真分析了网络体系中的各个参数对等效传感器节点个数的影响。仿真研究结果表明,基于量子蚁群进化算法取得较好的目标覆盖率,显著提高了监测的效果。