随着无线传感网络(Wireless Sensor Networks, WSNs)相关学科领域的飞速发展,它渐渐地成为人们生活中密不可分的一部分。WSNs作为物理世界与逻辑世界的桥梁,极大地扩展了人类对世界的认知程度。覆盖控制策略作为WSNs的关键性问题之一,其目的是在保证一定的网络服务质量的前提下,通过控制无线传感器(Wireless Sensor Node, WSN)的分布,消除监测和通信盲区,减少网络中的冗余节点,增大网络的覆盖范围。近些年来,以粒子群算法(Particle Swarm Optimization, PSO)为代表的智能群体算法在覆盖控制中的运用越来越广泛,过去的研究者通过大量的实验证明,粒子群算法能够有效的实现WSNs优化布局,但是粒该算法在优化过程中,“粒子”常常陷入“早熟”的现象,从而得不到最优解,而且受到搜索空间优化向量维数的影响,计算耗时也是一个需要解决的问题之一。本论文针对粒子群算法的覆盖控制策略进行研究,通过对算法的优化来解决上述问题,并在一定程度上提高了算法的覆盖优化效果。首先,本文将shi等提出的惯性权值呈线性递减型的粒子群算法策略改进为一种惯性权值呈凹函数的指数递减型粒子群算法策略。该策略是通过加速“粒子”进入局部搜索,使“粒子”尽快进入局部搜索,当“粒子”进入局部收敛的状态后,通过放慢惯性权值W的收敛速度,使“粒子”的局部搜索能力变强,提高“粒子”的求解效率。通过仿真分析,该策略不仅不会使得算法“早熟”的现象加剧,而且在不同程度上改善和提高了算法的后期收敛速度和网络覆盖率,并减少了计算耗时。其次,本文又引入了虚拟库仑斥力的作用,将其与指数权值递减型粒子群算法想结合,提出了一种虚拟库伦斥力扰动指数权值递减型粒子群(virtual force disturbance index weights diminishing particle swarm optimization algorithm, VFDPSO)。该策略是在“粒子”陷入局部最优时,通过加入外力的影响,能够让“粒子”摆脱局部最优“粒子”的束缚,加快了获取最优解的速度,很好程度上地解决了“早熟”的问题。并且“粒子”在外力的作用下使得“粒子”能够有目的性地扩展,从而减少了一些覆盖重叠区。通过实验仿真分析,该策略更进一步的减少了计算耗时,提高了网络有效覆盖率,该算法具有很好的覆盖优化效果。最后,本文模拟了一个复杂的网络环境来检验所提出算法对环境的适应能力,仿真结果表明：该算法能够很好的避开环境中的障碍物,并实现在该环境下的WSNs优化布局。