在无线传感器网络(Wireless Sensor Network,WSN)中,传感器节点是由一次性的电池供电,并且传感器由于计算能力低、能量有限的特点无法独自完成较复杂的应用。因此,网关需要将应用程序分解为多个具有优先级关系的任务,并调度到多个传感器上处理。WSN中降低任务完成的能耗,平衡节点的能量消耗有利于延长网络寿命,而任务完成的实时性和可靠性是提高网络应用性能的重要指标,因此,无线传感器网络中任务调度优化方法研究需要综合考虑任务完成的时间、能耗、可靠性、能耗均衡等多个性能指标。此外,网络中节点失效会导致环境的动态变化,研究任务环境的动态检测和动态调度也显得至关重要。本文首先对WSN中任务调度模型与算法的相关技术进行了详细分析和阐述,针对随机部署的无线传感器网络,本文建立了 WSN中多目标的任务调度模型,提出了一种基于能量均衡的多目标任务调度算法。该算法使用基于Pareto的多目标优化方法得到任务调度的最优解集,并提出将能量均衡度作为最终方案的决策指标,选取最优解集中节点能量消耗最均衡的个体作为最终任务调度策略。本文通过与现有算法进行对比,在典型任务数为20的情况下,所提出的算法在保证任务完成时间最短和任务完成可靠性最大的同时,优化得到的任务完成能耗比算法 ITAS(Intelligent Task Allocation Scheme,ITAS)减少了约28%,证明了本算法在降低任务完成能耗方面的优越性。针对WSN中网络拓扑的动态变化,本文建立了动态任务调度模型,首次使用基于异或的动态环境生成器模拟了任务调度环境的动态变化,提出了基于记忆的动态任务调度优化方法,使算法能够对最小完成能耗的任务调度策略进行及时跟踪。该算法在每代检测环境的动态变化,并实时更新节点状态,若检测到当前被分配任务的节点失效,则算法跳出当前最优状态,并根据约束在下一代重新调整搜索空间,动态优化任务调度策略。通过仿真证明,任务调度环境每隔100代变化一次时,所提出的算法优化得到的μ值比算法EIGA(Genetic Algorithms with Elitism-Based Immigrants,EIG A)减小了约 17%,证明本算法能够及时检测环境的动态改变,并能有效追踪任务调度的最优策略。