摘要
无线传感器网络（WSN）的覆盖范围优化是提升网络服务质量的关键因素，但该过程面临诸多挑战，如部署均匀性、高维优化问题以及在节点资源有限的情况下如何在探索与利用之间取得平衡。为了解决传统文化历史优化算法（CHOA）的不足之处——包括全局探索能力不足、缺乏动态调节机制以及局部利用精度较低等问题，本文提出了一种基于“电影与电视策略”的多策略文化历史优化算法（FTSCHOA）。该算法通过三种协同机制提升了性能：一种采用DE风格的进化算子，增强了全局探索能力和种群多样性；一种“电影与电视策略”，通过随机扰动和自适应参数调节来平衡探索与利用；以及一种基于记忆的邻域搜索方法，针对高质量解集进行精细化利用，从而提高局部优化精度。在CEC2017和CEC2022基准测试集（节点维度分别为10、20、30和50）上的大量实验表明，FTSCHOA在优化精度、收敛速度和稳定性方面均优于其他算法。Friedman平均排名测试显示FTSCHOA始终获得最佳平均排名，而Wilcoxon秩和测试进一步证实了其与竞争算法之间的性能差异具有统计学意义（p < 0.05）。当应用于100米×100米的监测区域时，FTSCHOA在部署25个和30个传感器节点的情况下分别实现了0.9351和0.9738的覆盖率，远高于PSO、GWO、CHOA等算法的结果。此外，FTSCHOA实现的节点部署更加均匀，覆盖空洞更少，冗余度也更低。实验结果证明，FTSCHOA有效克服了传统算法的局限性，为WSN节点部署优化提供了一种高效且实用的解决方案，在环境监测和智能农业等实际应用场景中具有巨大潜力。
