覆盖问题是无线传感网络研究领域中的重要课题之一。所谓覆盖控制,就是通过规划节点的分布和工作状态,来实现对目标区域最大程度的监测。一个优秀的覆盖控制策略总是能以尽可能低的能源损耗来获取尽可能丰富有效的信息。在无线传感网络硬件资源普遍受限的情况下,形成优秀的覆盖控制策略已成为无线传感网络研究领域的热点课题。本文对覆盖控制问题中的确定性区域覆盖问题提出了一种新的思路,形成了以启发式算法对灰度模型进行优化的覆盖控制策略。主要研究工作从以下几个方面展开：1.对经典的覆盖控制策略进行了研究,分析了各类覆盖控制问题的主要目标和实现过程。对经典覆盖控制策略的建模方式和评价标准进行了具体的说明,简要分析了制约其执行能力的两方面因素,并就此提出了改进思路。2.尝试从数字图像处理的角度去描述无线传感网络覆盖控制问题。将目标区域的地形信息和传感器的感知概率信息映射为灰度信息,并运用数字图像处理技术中的点运算、区域运算、图像分割等技术分别对目标区域和传感器节点进行了灰度建模,将二者整合到同一套用来描述无线传感网络即时覆盖率的综合灰度模型当中。通过分析综合模型中各灰度分量的成分来形成适应度函数,进而指导算法进化。3.对遗传算法和粒子群算法的原理和流程作了研究,分别以这两种经典的启发式算法对基于灰度模型的覆盖控制问题进行了优化。通过综合比较两种算法的前期探索能力和后期挖掘能力,选择出了更适用于本策略的算法来对后续更复杂的覆盖控制问题进行优化。4.针对前文中新策略的不足之处,分别从模型层和算法层对其进行了改进,在模型层上,分别提出了带冗余评价的覆盖模型、带优先级的覆盖模型和带噪声的感知器节点模型,使其能够更完备的描述和解决各类更复杂的覆盖控制问题。在算法层上,提出了针对无效节点的复活策略,减少了无效节点造成的损失。研究结果表明,采用灰度模型的覆盖控制策略能以非规整的空间拓扑结构去适应复杂地形的覆盖,并能以更小的运算量换取更高的执行速率,故将这种策略应用于实际复杂环境下的大规模网络覆盖问题是可行的。