1.一种基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法，其特征在于，包括以下步骤：步骤1：将连续的待监测区域离散化处理为m×n个像素点，并在该离散化区域内随机分配N个无线传感器节点，构成无线传感器节点集合G；每个无线传感器网络节点均保证相同的感知半径r和通信半径；

步骤2：计算每个传感器节点感知像素点的概率，继而计算每个像素点处传感节点被整个无线传感器节点集合G感知的联合概率P；

步骤3：根据每个像素点处传感节点被整个无线传感器节点集合G感知的联合概率P，计算得到无线传感器网络的覆盖率λ(P)；

步骤4：结合无线传感器网络覆盖率得到无线传感器网络覆盖优化问题的适应度函数f＝ω1λ(P)+ω2θ+ω3η，其中；θ为传感器网络节点覆盖效率，η为网络能耗均衡系数；ω1，ω1和ω1为权值系数，满足ω1+ω2+ω3＝1；

步骤5：根据无线传感器节点的初始位置初始化粒子群算法种群，设置种群大小，迭代次数；利用所述优化问题的适应度函数f，对种群每个个体进行适应度计算；以适应度最大为优化目标，进行每个种群个体的位置以及速度更新；筛选出粒子群的最佳粒子，通过群体对最佳个体的学习，更新每个粒子的信息，同时记录个体最优位置Pbest和群体最优位置Pg；

步骤6：根据无线传感器网络中N个节点的初始覆盖位置初始化种群，利用所述优化问题的适应度函数f，对种群每个个体进行适应度计算；以适应度最大为优化目标，在随后的帝王蝶算法的迁移算子中通过融合粒子群算法扩大搜索策略，并改进调整算子以增加种群多样性，加快种群全局的寻优速度，不断更新种群位置，对待测区域内所有传感节点进行覆盖优化；

所述采用粒子群优化帝王蝶算法在帝王蝶算法的迁移算子中通过融合粒子群算法扩大搜索策略，并改进调整算子以增加种群多样性，进行种群进化；具体实现包括以下子步骤：步骤6.1：初始化帝王蝶种群，子种群1规模N1，子种群2规模N2；设置帝王蝶算法的蝴蝶调整速率BAR，蝴蝶迁移周期peri和迁移比例p；

步骤6.2：根据适应度函数f＝ω1λ+ω2θ+ω3η计算帝王蝶个体适应度，初始化每个蝴蝶算子的个体最优位置Pbest和群体最优位置Pg，并根据适应度值把所有的帝王蝶个体排序，将帝王蝶分成子种群1和子种群2两个子群；

步骤6.3：分别在帝王蝶两个子种群内根据适应度值进行每个粒子个体的位置以及速度更新，筛选出粒子群的最佳粒子，通过群体对最佳个体的学习，更新每个粒子的信息，其中包括解空间的位置和适应度值，然后把两个新生成的子群合并成一个完整的种群；

对于子种群1中的所有个体，随机生成一个[0,1]区间服从均匀分布的数rand，然后计算ran＝rand*peri，并根据改进优化后的蝴蝶迁移算子进行蝴蝶迁移操作搜索新的解；

其中，所述改进优化后的蝴蝶迁移算子为：

其中，参数p表示子种群1中帝王蝶所占比例，即迁移比例；t为当前的迭代次数， 为t+1次迭代后帝王蝶i位置的第k个元素， 为t次迭代帝王蝶r1位置的第k个元素，其中r1是从子种群1中随机挑选的帝王蝶个体； 为个体最优位置，neighbor1和neighbor2是从子种群2中随机挑选的两个不同的帝王蝶个体，R＝(rand‑0.5)×2是区间为[‑1,1]的随机数；

对于子种群2中的所有个体，根据改进优化蝴蝶调整比率生成的新的蝴蝶调整算子进行蝴蝶调整移操作搜索新的解；

其中，新的蝴蝶调整算子为：

对于rand>p的情况，若rand>BAR，则蝴蝶调整算子进一步更新为：其中， 为t+1次迭代后帝王蝶j位置的第k个元素，best为种群中全局最优的个体，r2是从子种群2中随机挑选的帝王蝶个体，参数dx是个体i进行莱维飞行的步长，由式2

计算得到；参数α表示权重系数，α＝1/t；BAR是改进后的蝴蝶调整比例，为：其中，t为当前迭代次数，Maxgen为最大迭代次数，p为迁移比率；

步骤6.4：将更新位置后的每个蝴蝶算子适应度与个体最优位置Pbest对应的适应度相比较，如果前者较大，则更新Pbest；

步骤6.5：将种群中的每个蝴蝶算子的个体最优位置Pbest对应的适应度与群体最优位置Pg对应的适应度相比较，如果前者较大，则更新Pg；

步骤6.6：对新生成的位置根据适应度计算函数评估整个种群，输出找到的最优解。

2.根据权利要求1所述的基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法，其特征在于：步骤1中，采用栅格法将连续的待监测区域的二维平面离散化处理为m×n个像素点，并在该离散化区域内随机分配N个传感器节点，构成节点集合G＝{g1,g2,…,gN}，其中任意第i个传感器节点gi的坐标位置为(xi,yi)；每个无线传感器网络节点均保证相同的感知半径r和通信半径，且节点的通信半径为感知半径的2倍。

3.根据权利要求1所述的基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法，其特征在于：步骤2中，采用传感器二元概率感知模型，通过计算传感器节点与像素点之间的欧式距离，获得每个传感器节点感知像素点的概率；

其中，gi为无线传感器节点集合G中第i个传感节点，第i个传感器节点gi的坐标位置为(xi,yi)；H是任意像素点，位置为(xH,yH)；传感器节点gi感知像素点H的概率为p(gi,H)；

d(gi,H)为像素点H到传感器节点gi的距离；

每个像素点处传感节点被整个无线传感器网络节点集合感知的联合概率为：

其中，P(G,H)为像素点H处的传感节点被无线传感器网络的无线传感器节点集合G感知的联合概率。

4.根据权利要求1所述的基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法，其特征在于：步骤3中，所有传感器节点对待监测区域的覆盖率函数为：其中：P(G,H)为像素点H处的传感节点被无线传感器网络的无线传感器节点集合G感知的联合概率。

5.根据权利要求1所述的基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法，其特征在于：步骤4中，其中，Ei为传感器节点i的剩余能量；k为传感器网络中处于工作状态的节点个数。