近几年来无线可充电传感器网络(Wireless Rechargeable Sensors Networks,WRSN)受到越来越多专家学者的关注,成为当下的一个研究热点。WRSN打破了限制无线传感器网络广泛应用和发展的瓶颈,为解决传感器节点的能量受限问题提供了新的思路。已有学者在无线能量传输技术的基础上研究WRSN中的充电规划方案,使用单个或多个无线可移动充电器(Wireless Mobile Charger,WMC)为传感器节点补充能量可以有效地延长WRSN的工作时间。但目前的充电规划中综合考虑WRSN中传感器节点带有充电时间窗,使用多个能量受限的WMC为节点补充能量和按照传感器节点需要进行充电的研究较少。本文针对WRSN中传感器节点能耗分布不均衡和单个WMC能量有限的情况,首先考虑在任一轮充电调度内使用多个WMC来补充能量,设计了使用多个能量受限的WMC为带有充电时间窗的传感器节点进行全覆盖充电的问题。在满足能量约束和传感器节点时间窗限制的基础上建立能量补充模型,并设计对应的充电路径构造策略,从而得到WRSN中的全覆盖充电规划。其次以充电过程中行走距离、启用的WMC数量和违背时间窗惩罚三者总代价最小为优化目标建模,采用基于 2-OPT 的遗传算法(Genetic Algorithm Based On 2-Optimization,GAB20)来求解,仿真实验结果表明在充电过程中GAB20使用的WMC数量和消耗的总代价分别比贪心算法低约13.2%和22.7%。在此基础上,进一步针对充电规划中WMC的行驶能量和充电能量是分开且受限的情况,提出使用多个WMC为WRSN中临界传感器节点进行按需充电的问题并进行求解。具体来说是首先按照节点的剩余寿命选取临界传感器节点,各临界传感器节点对应不同的充电优先级,在每一轮调度中的充电规划需要满足传感器节点的优先级限制和WMC的能量约束,设计相应的充电规划方案,使得每个WMC为尽可能多的临界传感器节点补充能量。其次以充电能量和行驶能量的总代价最小作为优化目标建模,采用混合遗传模拟退火算法(Hybrid Genetic with Simulated Annealing Algorithm,HGSA)求解,仿真实验结果表明HGSA消耗的总代价比GAB20降低了约23.7%左右。