1.基于改进海洋捕食者算法的无线传感器网络覆盖优化方法，其特征在于，包括以下步骤：步骤S1、针对固定范围的目标网络监测区域，以该目标网络监测区域内传感器节点数量、传感器节点部署位置、以及传感器节点统一的感知半径与传感半径作为输入，以目标网络监测区域的网络覆盖率作为输出，构建基于布尔感知的传感器节点联合感知模型；所述构建基于布尔感知的传感器节点联合感知模型包括以下子步骤：S101、基于目标网络监测区域为S＝l1×l2的二维平面，将目标网络监测区域离散划分为l1×l2个监测点网格，监测点网格集合为 其中监测点mj的位置坐标为{xj,yj}，i∈(1,l1×l2)，每个监测点的几何中心点即覆盖优化目标位置；

S102、基于传感器节点Z＝{z1,z2,...,zi,...,zn}，其中节点zi的位置坐标为{xi,yi}，i∈(1,n)，统一各节点的感知半径为Rs，通信半径为Rc；且Rc＝2Rs；

S103、采用布尔感知模型定义传感器节点zi与监测点mj的距离，如下式：S104、确定监测点网格被覆盖：监测点mj节点zi的距离不大于节点感知半径时，这认为该监测点网格被覆盖，如下式S105、计算目标网络监测区域所有传感器节点对监测点mj的联合感知概率Cp，如下式：S106、根据联合感知概率Cp，计算该目标网络监测区域的总覆盖率Rcov，如下式：步骤S2、以当前传感器节点二维部署位置和目标网络监测区域的网络覆盖率为输入，利用海洋捕食者算法结合Tent混沌对步骤S1得到的传感器节点联合感知模型的待优化参数进行优化，获得优化后的最大网络覆盖率及其所对应的最优节点位置部署方案；

S201、将传感器节点联合感知模型的待优化参数设置为种群个体,其中捕食者和猎物均是搜索个体，种群初始化创建初始猎物，捕食者构建精英；其中猎物矩阵Prey为n×d的矩阵，n为种群数量，d为种群维度即传感器节点二维坐标数量；基于猎物个体，以节点联合感知模型的网络覆盖率为适应度函数，保留适应度函数值最小对应的种群个体，并将该种群个体复制n次构成捕食者矩阵Elite；猎物个体进行种群初始化，如下式：X＝Xmin+R(Xmax‑Xmin)      (5)

其中，X＝[X1,X2,…,Xi,…,XN]，i∈[0,N]，Xi＝[Xi,1,Xi,2,…,Xi,j,…,Xi,D]，j∈[0,D]，Xi,j表示种群个体i在第j维的位置，N为种群规模，D为搜索维度；R是一个随机数且R∈[0,

1]，Xmax和Xmin分别是搜索空间的上下界；

捕食者矩阵Elite定义如下式：

猎物矩阵Prey定义如下式：

S202、基于预设迭代次数，更新猎物矩阵Prey，基于猎物矩阵Prey中的各种群个体，迭代更新并最终输出捕食者矩阵Elite：根据捕食者和猎物的移动速度快慢将可将海洋捕食者算法迭代周期分为三个阶段，Iter为当前迭代次数，Max_Iter为最大迭代次数：(1)第一阶段：猎物比捕食者移动得更快，当Iter＜Max_Iter/3时，更新捕食者位置变化如下式：其中， 为种群个体移动步长， 是一个基于非正态分布的包含随机数的向量表示布朗运动；R是一个随机数向量且R∈[0,1]， 为捕食者位置， 为猎物位置，P为常数；

(2)第二阶段：捕食者和猎物以相同的速度移动，猎物通过莱维飞行进行移动，捕食者通过布朗运动进行移动，当Max_Iter/3≤Iter≤2Max_Iter/3时，位置变化如下：(2Iter/Max_Iter)

其中， 是基于莱维分布的随机数向量；CF＝(1‑Iter/Max_Iter) 用于控制捕食者的移动步长；

(3)第三阶段：捕食者比猎物移动快，捕食者通过来莱维飞行进行移动，当Iter＞2Max_Iter/3时，位置变化如下：步骤S203、采用跳跃来避免局部最优停滞，对捕食者采用海洋捕食者算法跳跃更新，如下式：其中，FADs表示涡流形成或鱼类聚集装置FADs效应影响优化过程的概率，r是一个随机数且r∈[0,1]， 表示二进制向量0或1， 和 表示两个随机猎物位置；

在跳跃阶段引入自适应跳跃步长因子ω，如下式：

[‑4*Iter/(3*Max_Iter)]

ω＝|2 ×cos(πt)|      (13)

2.根据权利要求1所述的基于改进海洋捕食者算法的无线传感器网络覆盖优化方法，其特征在于，步骤S201中，包括利用Tent混沌产生的序列来初始化猎物种群，如下式：其中，Zt为区间[0,1]的混沌序列，t∈[0,Max_Iter]；α是介于[0，1]的常数，然后根据下式将混沌序列映射到解空间，获得猎物种群的初始位置：Xi,j＝Xmin,j+Zt×(Xmax,j‑Xmin,j)    (16)。

3.根据权利要求1所述的基于改进海洋捕食者算法的无线传感器网络覆盖优化方法，其特征在于，还包括在算法每次迭代结束前引入双子群位置更新策略，具体包括如下步骤：步骤A：每次算法迭代结束前，将种群根据适应度值从低到高依次排序，将排序前一半的子群命名为领导者子群；排名后一半的子群命名为跟随者子群；

步骤B：以当前迭代次数Iter为自由度参数的t分布变异算子对领导者子群的位置进行扰动更新，领导者子群的位置更新如下式：X′i＝Xi+Xi·t(Iter),0≤i≤N/2    (17)其中，X′i为第i个领导者个体的新位置。

4.根据权利要求3所述的基于改进海洋捕食者算法的无线传感器网络覆盖优化方法，其特征在于，采用基于动态学习策略对领导者子群进行位置更新，如下式：X′i＝Xbest‑Xmean‑R1(Xmin+R2(Xmax‑Xmin)),N/2≤i≤N    (18)X′i为第i个跟随者个体的新位置，Xbest为全局最优个体位置，Xmean为全局所有个体位置的平均值，R1和R2为[0,1]上均匀分布的随机值。

5.根据权利要求1所述的基于改进海洋捕食者算法的无线传感器网络覆盖优化方法，其特征在于，步骤S201中，所述第一阶段更新捕食者位置时，P＝0.5。

6.根据权利要求1所述的基于改进海洋捕食者算法的无线传感器网络覆盖优化方法，其特征在于，步骤S203中，所述第三阶段中对捕食者采用海洋捕食者算法跳跃更新时，FADs＝0.2。

7.根据权利要求2所述的基于改进海洋捕食者算法的无线传感器网络覆盖优化方法，其特征在于，所述α取0.7。