0引言

　　随着无线通信、集成电路、传感器以及微机电系统等技术的飞速发展和日益成熟，传感器信息获取技术已经从过去的单一化逐渐向集成化、微机化和网络化的方向发展，无线传感器网络也因此孕育而生。

　　无线传感器网络是由部署在检测区域内的大量的微型传感器节点通过无线电通信形成的具有多跳性的自组织网络，可以实时协助感知、采集、处理和发布网络覆盖区域里检测对象的信息，并且具有易于部署、通信灵活、低成本、低功耗等特点。因而被广泛地应用于环境检测、灾害预警、空间探测，工业自动化等方面[1]。为了保证所采集信息的准确及详尽性，除了要求无线传感器网络系统中所有节点都能有效可靠地工作之外，还要对检测区域进行最大的检测覆盖，并且保证含有有限电源能量[2]的节点的使用寿命。由此可见，无线传感器网络的部署优良与否，也间接影响了整个网络的性能和使用寿命。因此，传感器网络部署问题一直是广大学者研究的热门问题。

　　目前，国内外对无线传感器节点部署研究，主要集中在区域覆盖的确定性部署和随机部署以及目标覆盖的确定性部署和随机部署。确定性部署首先对检测区域进行网格划分，再进行网络节点部署。何欣等[3]、郭秀明等[4]针对目标覆盖的确定性部署分别提出了基于多层交叠域和遗传算法的最优确定性部署和基于正方形网格扫描的部署算法。而Qin[5]、张云洲等[6]针对区域覆盖的确定性部署也分别提出了针对交通数据的区域流采集和针对含障碍物的确定性区域的节点部署方法。随机部署即随机抛洒节点，重点是采用多种优化算法进行部署优化使其满足节点部署要求。目前，常用的优化算法有快速虚拟力算法（Fast Virtual Force Algorithm，FVFV）[7]、萤火虫群优化（Glowworm Swarm Optimization，GSO）算法[8]、模拟退火遗传算法[9]、微粒群优化（Particle Swarm Optimization，PSO）算法[10]等。这些节点部署的研究主要集中在网络的覆盖问题、连通问题和能耗问题三个方面。在一定程度上，文献[7-9]增加了覆盖区域的面积，并可以保障网络的连通性，但是，覆盖面积仍然达不到对检测区域的完全覆盖，并且部署稳定性较差。文献[10]的PSO算法，将覆盖面积、连通性和能耗问题作为优化目标，延长了网络生命期，增强节点的容错能力和负载平衡，但是仍然存在节点的冗余及死角覆盖问题。

　　针对应用于检测的无线传感网络部署，要求对覆盖区域进行无死角覆盖，并可以根据情况的特殊性能对传感器节点进行调整部署，对信息传递路径可进行进一步优化，以增加网络覆盖的灵活性，减少节点能量消耗。而且当需要部署大量传感器节点时，应用广泛的虚拟力算法不能在有效次数内达到对检测区域的稳定覆盖。因此本文利用目前被广泛应用的GSO算法对大量传感器节点进行优化部署，力求以最少的节点对检测区域进行最大面积的覆盖，以致完全覆盖，保证对目标检测区域内传感器节点的灵活使用。