1.基于改进差分进化算法的传感器网络节点优化部署方法，其特征在于：改进的差分进化算法的目标是在保证连通性的前提下利用较少节点达到较大的网络覆盖率，其包括输入和输出，输入包括种群规模，变异因子，交叉概率因子，最大迭代次数，维度，输出包括节点的最终位置和覆盖率，其包括以下步骤，

步骤一：混沌映射初始化，产生初始种群；

步骤二：计算种群中每个个体的适应值，并按从小到大依次排列；

步骤三：根据公式 计算Pelite的值，取种群中前Pelite个体组成精英群体；式中：定义种群中适应度排在前Pelite的个体为精英个体，g为当前迭代次数，G为总迭代数，ceil(x)表示大于x的最小整数；

步骤四：根据公式 和

计算出变异因子集合；式中： 表示第g+1代第i个个体的变异因子，μH，μL分别表示变异因子的上限和下限， 分别表示第g代个体中最差和最好的适应度值；

步骤五：根据公式 计算种群中每个个体的变异向量；

式中： Elite为精英群体， 是第g代种群第i个变异因子， 表示第g+1代种群的第i个变异向量，Pelite随着迭代次数非线性递减；

步骤六：根据公式 计算出交叉因子集合；

式中： 是第g+1代第i个个体的交叉因子， 分别是第g代第i个个体的适应度值和适应度平均值，ρH，ρL分别是交叉因子的上限和下限；

步骤七：根据公式 计算出种群中每个个体的试验向量；

式中：对于每一个变异向量中的元素j，j＝{1，2，...，D}，随机在区间[0，1]中选择一个数，用rand表示，将rand与交叉概率因子Cr对比，若rand≥Cr，则把变异个体的第j个元素赋给试验向量的第j个元素，否则就把目标向量的第j个元素赋给试验向量的第j个元素；

步骤八：根据公式 比较种群个体以及对应试验向量的适应度值，保留适应值更好的个体构成下一代种群；

步骤九：检查是否达到最大迭代次数，若没有，则返回步骤二，若达到最大迭代次数，则结束并输出结果。