随着人们对监测环境的要求越来越高，需要感知的信息也的越来越复杂，比如像图像、声音等，于是无线多媒体传感器网络（Wireless MultimediaSensor Networks，WMSNs）应用而生，它是在传统传感器网络的基础上加入了图像、声音、视频等多媒体信息的一种新型分布式传感器网络。覆盖控制作为传感器网络的一个基本问题，是衡量传感器网络监测性能的重要指标之一，也是保证后续研究质量的重要问题。对覆盖问题进行研究的主要目的就在于通过对在目标区域内的传感器节点进行调节，来改善节点初始随机分布带来的覆盖率较差和资源浪费的问题。同无线传感器网络中的节点不同，WMSNs中的传感器节点具有方向性和视角性，而且由于传感器网络通常对未知或不可达的地区进行监测，所以在这些地区多采用随机部署的方式。随机部署的方式不能保证节点一次性分布位置合理，常常会产生较多的覆盖重叠区和盲区，所以应采用覆盖优化算法保证对目标区域的覆盖率，优化网络质量。针对这个问题，本文在WMSNs中研究了人工鱼群和粒子群的混合优化覆盖算法。粒子群优化算法具有较快的收敛速度，但是在迭代的末期，粒子的运动方向一致，都是向最优方向移动，所以使得算法很容易陷入局部极小，引起显著的早熟现象。人工鱼群优化算法能够很好地跳出局部极值，并尽可能地搜索到其他的极值，最终向全局极值靠拢，但该算法后期收敛速度比较慢，能找到满意的解的域，很难得到精确的最优解。基于这两种算法各自的优缺点，本文将两种算法结合起来运用到WMSNs的覆盖中，先用人工鱼群算法调整传感器节点分布，使节点分布均匀，然后用粒子群算法进行快速的局部搜索，调节传感器节点的位置和方向使监控区域的达到最大化覆盖。在此基础上，对粒子群算法的速度和位置更新公式进行改进。由于粒子群算法中速度更新公式中的三项内容存在耦合和冲突，即粒子的飞行惯性、历史经验和群体经验这三项，这些会使节点出现偏差，从而使粒子的更新速度大大得到了减缓，导致了算法的性能降低。所以分别计算粒子按飞行惯性、历史经验和群体经验飞行时的速度，在对位置进行更新时，对多个位置进行选择，并从中选中最佳位置作为粒子的新位置，以改善收敛速度和精度，以达到更好的寻优能力。最后用人工鱼群和改进后的粒子群混合覆盖算法对网络进行优化，通过仿真实验证明改进后的混合算法可有效地提高网络覆盖率。