1.一种WSNs覆盖增强方法，其特征在于，包括：根据监测区域中传感器节点和网格点计算WSNs覆盖率；

将所述WSNs覆盖率最大作为适应度函数；

在所述适应度函数的约束下，采用改进的蚁狮优化算法对蚂蚁种群位置和蚁狮种群位置进行特定次数迭代更新；

在迭代结束后，将所述改进的蚁狮优化算法中的精英蚁狮对应的传感器节点最佳部署策略输出；

所述采用改进的蚁狮优化算法对蚂蚁种群位置和蚁狮种群位置进行特定次数迭代更新，具体包括：初始化蚂蚁种群和蚁狮种群的种群规模，将初始化的所述传感器节点位置作为初始蚂蚁种群和初始蚁狮种群任一个体的位置，并在所述任一个体周围产生其余个体的位置；

根据初始化的蚂蚁种群和蚁狮种群的种群规模，分别计算蚂蚁种群初始覆盖率和蚁狮种群初始覆盖率；

比较所述蚂蚁种群初始覆盖率和所述蚁狮种群初始覆盖率，将两者中最优的种群初始覆盖率值重新赋值给初始化的蚁狮种群，并将所述最优的种群初始覆盖率值对应的传感器节点位置信息重新赋值给所述初始化的蚁狮种群，得到赋值后的蚁狮种群；

将所述赋值后的蚁狮种群中初始覆盖率最大的蚁狮个体作为初始精英蚁狮；

采用轮盘赌策略在设定的竞争蚁狮中选择被围绕蚁狮；

根据所述被围绕蚁狮和所述初始精英蚁狮控制蚂蚁游走，更新蚂蚁种群位置；

根据更新位置后的蚂蚁种群的适应度值更新赋值后的蚁狮种群位置，得到新的蚁狮种群；

将所述新的蚁狮种群适应度值与所述初始精英蚁狮的适应度值比较，选择两者中适应度值最大的对应的蚁狮位置为本次迭代的精英蚁狮位置；

判断迭代次数是否达到特定迭代次数；

若所述迭代次数达到所述特定迭代次数，则输出精英蚁狮位置以及所述精英蚁狮位置对应的传感器节点最佳部署策略；

若所述迭代次数没有达到所述特定迭代次数，则返回“比较所述蚂蚁种群初始覆盖率和所述蚁狮种群初始覆盖率，将两者中最优的种群初始覆盖率对应的种群重新赋值给初始化的蚁狮种群，得到赋值后的蚁狮种群”步骤。

2.根据权利要求1所述的一种WSNs覆盖增强方法，其特征在于，所述根据监测区域中传感器节点和网格点计算WSNs覆盖率，具体包括：计算所述传感器节点和所述网格点之间的欧式距离；

根据所述欧式距离和所述传感器节点的感知半径，计算所述传感器节点对所述网格点的联合感知概率；

根据所述联合感知概率、传感器节点集覆盖网格点的总数和所述网格点总数，计算所述WSNs覆盖率。

3.根据权利要求1所述的一种WSNs覆盖增强方法，其特征在于，所述设定的竞争蚁狮计算公式为：其中，pop(t)表示第t代设定的竞争蚁狮数量；round表示取整函数；T表示特定迭代次数；[popmin,popmax]表示参与竞争的蚁狮范围。

4.根据权利要求1所述的一种WSNs覆盖增强方法，其特征在于，所述根据所述被围绕蚁狮和所述初始精英蚁狮控制蚂蚁游走，更新蚂蚁种群位置，具体包括：根据所述被围绕蚁狮位置和自适应边界收缩因子，更新蚂蚁游走边界；

在所述蚂蚁游走边界约束下，根据精英蚁狮位置和所述被围绕蚁狮位置控制蚂蚁游走，得到第一更新公式；

根据所述第一更新公式更新蚂蚁种群位置；

判断当前种群的蚂蚁只数是否达到上限值；

若当前种群的蚂蚁只数达到上限值，则蚂蚁种群位置更新任务完成，输出当前蚂蚁种群位置；

若当前种群的蚂蚁只数没有达到上限值，则返回“采用轮盘赌策略在设定的竞争蚁狮中选择被围绕蚁狮”步骤。

5.根据权利要求4所述的一种WSNs覆盖增强方法，其特征在于，所述自适应边界收缩因子的表达式为：其中，I表示自适应边界收缩因子；t表示当前迭代次数；T表示特定迭代次数。

6.根据权利要求4所述的一种WSNs覆盖增强方法，其特征在于，所述第一更新公式的表达式为：其中，Anti(t)表示第t代第i只蚂蚁的位置；RAj(t)表示蚂蚁在第t代围绕被围绕蚁狮随机游走；RE(t)表示蚂蚁在第t代围绕精英蚁狮随机游走；t表示当前迭代次数，服从均值为2

0、方差为σ的正态分布概率密度函数，n表示第n个传感器节点。

7.根据权利要求4所述的一种WSNs覆盖增强方法，其特征在于，所述蚂蚁种群位置还可以根据第二更新公式更新；

所述第二更新公式根据精英蚁狮位置、所述被围绕蚁狮位置和虚拟力扰动因子计算得到，所述虚拟力扰动因子为所述传感器节点与相邻传感器节点、所述网格点和所述监测区域的边界之间的合力；

所述第二更新公式的表达式为：

其中，Anti(t)表示第t代第i只蚂蚁的位置；RAj(t)表示蚂蚁在第t代围绕被围绕蚁狮随机游走；RE(t)表示蚂蚁在第t代围绕精英蚁狮随机游走；t表示当前迭代次数，服从均值为2

0、方差为σ的正态分布概率密度函数；gin(t)表示第t代第i只蚂蚁的第n个传感器节点受到所述虚拟力扰动因子作用后的移动距离。

8.根据权利要求4所述的一种WSNs覆盖增强方法，其特征在于，所述根据精英蚁狮位置和所述被围绕蚁狮位置控制蚂蚁游走时，蚂蚁的游走范围为两倍的传感器节点感知半径。

9.一种WSNs覆盖增强系统，其特征在于，包括：覆盖率计算模块，用于根据监测区域中传感器节点和网格点计算WSNs覆盖率；

适应度函数确定模块，用于将所述WSNs覆盖率最大作为适应度函数；

位置更新模块，用于在所述适应度函数的约束下，采用改进的蚁狮优化算法对蚂蚁种群位置和蚁狮种群位置进行特定次数迭代更新；

输出模块，用于在迭代结束后，将所述改进的蚁狮优化算法中的精英蚁狮对应的传感器节点最佳部署策略输出；

所述采用改进的蚁狮优化算法对蚂蚁种群位置和蚁狮种群位置进行特定次数迭代更新，具体包括：初始化蚂蚁种群和蚁狮种群的种群规模，将初始化的所述传感器节点位置作为初始蚂蚁种群和初始蚁狮种群任一个体的位置，并在所述任一个体周围产生其余个体的位置；

根据初始化的蚂蚁种群和蚁狮种群的种群规模，分别计算蚂蚁种群初始覆盖率和蚁狮种群初始覆盖率；

比较所述蚂蚁种群初始覆盖率和所述蚁狮种群初始覆盖率，将两者中最优的种群初始覆盖率值重新赋值给初始化的蚁狮种群，并将所述最优的种群初始覆盖率值对应的传感器节点位置信息重新赋值给所述初始化的蚁狮种群，得到赋值后的蚁狮种群；

将所述赋值后的蚁狮种群中初始覆盖率最大的蚁狮个体作为初始精英蚁狮；

采用轮盘赌策略在设定的竞争蚁狮中选择被围绕蚁狮；

根据所述被围绕蚁狮和所述初始精英蚁狮控制蚂蚁游走，更新蚂蚁种群位置；

根据更新位置后的蚂蚁种群的适应度值更新赋值后的蚁狮种群位置，得到新的蚁狮种群；

将所述新的蚁狮种群适应度值与所述初始精英蚁狮的适应度值比较，选择两者中适应度值最大的对应的蚁狮位置为本次迭代的精英蚁狮位置；

判断迭代次数是否达到特定迭代次数；

若所述迭代次数达到所述特定迭代次数，则输出精英蚁狮位置以及所述精英蚁狮位置对应的传感器节点最佳部署策略；

若所述迭代次数没有达到所述特定迭代次数，则返回“比较所述蚂蚁种群初始覆盖率和所述蚁狮种群初始覆盖率，将两者中最优的种群初始覆盖率对应的种群重新赋值给初始化的蚁狮种群，得到赋值后的蚁狮种群”步骤。