无线传感器网络是一个多学科交叉的新兴研究领域，是由大量低功耗、低成本、低的计算处理能力的微型传感器节点以多跳自组织的方式形成的，被广泛运用于军事、环境、医疗等多种领域，成为现代信息领域的研究热点问题。网络覆盖控制是无线传感器网络的核心技术之一。优化的覆盖控制策略不仅保证网络有良好感知质量，获得完整、准确的物理信息，还能优化网络的空间资源，降低网络能量消耗，成本投入，延长网络的生命时间。由于传感器网络运用环境复杂，像森林，沙漠这样的环境只能用随机部署的方式安放传感器网络节点，如果节点同时工作会出现许多冗余节点，导致信息数据在传输过程中包含大量冗余的数据，增加了整个网络能量的消耗，所以在保证覆盖质量的情况下，会让多余的节点进入休眠状态。这种节点调度策略是覆盖控制重要的优化方式之一。目前网络覆盖控制策略多是针对同构传感器网络研究的，有一小部分考虑到了网络的异构性，其中又有少数异构无线传感器网络覆盖控制算法是针对多重覆盖的，而且大多采用的是布尔模型作为感知模型，忽略了节点感知能力的不确定性，本文是以概率模型作为节点的感知模型，以节点感知半径异构和单位时间节点感知能量消耗异构搭建的异构无线传感器网络，针对存在“热点”区域的监测环境，即在保证“热点”区域高覆盖质量的同时兼顾整个网络覆盖的要求，尽可能的增大网络覆盖率，降低单位时间单位面积网络感知能量消耗为目的，提出了一种基于非线性惯性权重二进制粒子群多目标优化算法的异构无线传感器网络节点调度策略本算法运用粒子群算法解决目标优化问题，采用maximin(最大最小)值函数求取粒子的适应度函数，适应度值小于零的粒子作为一个非劣解，然后采用支配关系在非劣解集中选出粒子群的个体极值和全局极值，引入偏差量ε到maximin适应度函数来计算适应值，使得粒子群向着更好非劣解的前沿前进。该算法不用知道目标问题先验知识，能够在大的决策空间中进行广泛搜索，能够快速的找到异构无线传感器网络节点调度策略的pareto最优解。通过仿真，本文算法和经典的随机调度策略和基于随机加权的多目标优化算法进行比较，本文算法获得的传感器网络覆盖质量更好更稳定，更加有效的降低了网络单位面积单位时间感知能量的消耗。