无线传感器网络(Wireless Sensor Networks，WSNs)是一种新型的网络，也是当前备受关注的研究热点。它综合了无线通信、传感器、嵌入式计算和分布式信息处理等多种技术，能够广泛应用于军事、环境、医疗、交通等多个领域。在WSNs的研究领域中，覆盖问题是最为基本和最为重要的课题之一，也是WSNs实际应用的前提。这是因为它代表了网络的监控范围与监控能力，并且常常作为衡量网络服务质量的参数之一。　　 由于网络部署方式和外界环境的限制，节点部署完毕后，网络中通常还存在大量的覆盖重叠和覆盖盲区，因此有必要对其进行一定的覆盖增强处理。目前大多数研究主要针对全向感知模型展开。有向感知模型的覆盖增强则相对较少。这是因为其计算量较大，研究较为困难。　　 本课题也对此进行了研究，并且引入了量子遗传算法来解决此问题。量子遗传算法是一种优秀的演化算法，收敛速度较快，但是很容易陷入局部最优。本课题分析了量子遗传算法缺陷产生的原因，并提出了一种基于精英组的量子遗传算法(Quantum GeneticAlgorithms based on Elite group，QGAE)，提升了量子遗传算法的性能。在此基础之上，本文分别针对静止传感器网络和移动传感器网络进行了研究，提出了基于QGAE的静止传感器网络覆盖增强算法(QGAE based Coverage-Enhancing Algorithm for Static wirelesssensor networks，QCEAS)和基于QGAE的移动传感器网络覆盖增强算法(QGAE basedCoverage-Enhancing Algorithm for Movable wireless sensor networks，QCEAM)，并进行了大量的实验。实验结果表明，QCEAS算法和QCEAM能够有效地提高网络的覆盖率。