侯义飞，杨 勇

(河南工业大学电气工程学院，河南 郑州 450001)

0 引 言

网络覆盖是无线传感器网络(Wireless Sensor Networks, WSN)技术研究中的一个基本研究问题，其反应了WSN对物理世界的监测能力[1]，而覆盖率是衡量网络覆盖质量的重要标准之一。在实际应用中，应当使目标区域的覆盖最大化，尽量使其做到覆盖无死角[2]。通常，传感器节点都是随机抛洒在监测区域内的，容易造成传感器节点分布不均匀，导致覆盖效果不理想。通过覆盖优化算法对初始部署的节点位置进行调整，可以取得很好的覆盖效果[3]。目前，移动节点覆盖算法有虚拟力算法[4]与群体智能算法等。

近年来，有许多学者将群体智能算法成功应用到WSN覆盖控制中[5-6]。文献[7]将人工鱼群算法应用到WSN覆盖领域中，虽然网络覆盖有所提高，但是算法收敛速度较慢。文献[8]将粒子群算法应用到WSN覆盖优化中，有效提高了网络的覆盖率，但容易陷入局部最优。人工蜂群算法是一种新兴的群智能算法，结构简单，参数少，有着分层协作机制等优点，被广泛应用于WSN覆盖优化问题中[9-10]。文献[11]提出了一种改进人工蜂群算法，改进侦查蜂搜索公式，加快算法收敛速度。文献[12]利用分层机制改善人工蜂群算法的性能，但算法进行局部搜索时需要大量迭代，使搜索速度变慢。文献[13]利用基于反向学习策略的人工蜂群算法优化部署移动传感器节点，可以减少算法的迭代次数，但是容易陷入局部最优解。

为了提高WSN的覆盖性能和网络的覆盖……