摘要：为了提高无线传感器网络(Wireless Sensor Network, WSN)节点对目标区域的覆盖率,提出一种多目标红外WSN节点覆盖优化算法——混合策略改进阿奎拉鹰优化算法(Hybrid Strategy Improved Aquila Optimizer, HSIAO)。为提高节点目标位置的搜索精度,引入准对立学习机制提升初始种群多样性和个体质量,设计伯努利(Bernoulli)混沌映射高空飞行机制提升算法全局搜索能力,并利用瞬态搜索低空飞行机制丰富个体攻击行为的多样性,同时采用自适应随机无迹sigma点变异避免迭代后期的搜索盲区,避免位置搜索出现停滞钝化,提高收敛精度。综合考虑WSN节点的覆盖率、覆盖冗余及节点移动能耗,建立网络覆盖的多目标适应度函数,通过改进的阿奎拉鹰优化算法对多目标红外WSN节点覆盖问题迭代求解。实验结果表明,该改进算法能有效降低节点冗余率和提高网络覆盖率,生成的自组网能延长传感器网络的有效工作时间。