无线传感器网络在事件监测方面具有广泛的应用,也是事件监测的基础。由于无线传感器网络工作环境复杂多变,在事件监测应用中存在诸多技术难点,例如多约束的复杂环境处理、有限的传感器资源分配、复合事件的置信度合并、多种监测场景下的网络部署和事件覆盖漏洞修复。本文在结合国内外相关研究的基础上,对多约束环境下的无线传感器网络复合事件覆盖问题开展了深入的研究,本文主要研究内容和创新成果如下:针对无线传感器网络在事件监测过程中所遇到的置信度合并问题,本文首先定义了子事件和复合事件的关系,并提出了基于联合概率的事件模型,有效求解了复合事件的置信度。针对事件栅栏覆盖应用中存在多个复杂约束的问题,提出了多约束环境下的复合事件栅栏覆盖模型。最后提出了基于帕累托最优的复合事件栅栏覆盖算法。所提出的算法通过帕累托最优机制、变异操作、自动调整机制、适应性交叉机制和种群更新机制,有效地解决了多约束传感器网络中的复合事件栅栏覆盖问题。针对三维监测场景下的复合事件栅栏覆盖问题,本文提出了三维复合事件监测模型,有效定义了三维场景下的事件监测问题并考虑了三维监测场景中的空间约束。然后,针对传统罚函数方法罚参数选取困难并直接影响算法性能的问题,本文提出了复合事件栅栏三维覆盖模型。针对传统的事件栅栏覆盖方法容易忽略掉约束违反度小的不可行解问题,本文提出了复合事件栅栏三维覆盖算法,有效地保留了种群中的优质不可行解,保证了进化种群的多样性,增强了网络的复合事件覆盖性能。针对传统的事件部署方法存在目标函数不可微的问题,本文提出了多约束复合事件部署模型,将复杂的复合事件部署问题转化为两个连续可微的单目标子问题,分别用于求解帕累托最优解和最优置信度。然后,针对传统的事件部署方法适应性差的问题,提出了复合事件部署算法,可以有效满足不同监测环境和不同约束条件下的事件部署要求。针对多约束的监测环境和因为不断变化的监测任务和监测要求所产生的事件覆盖漏洞,本文提出了基于移动机器人的联合事件覆盖漏洞修复算法。为了提升网络的局部修复效果,提出了基于置信度的分配策略、网络分布函数和个体排序策略。然后,利用差分进化算法进行全局修复,保证修复策略的多样性。实验结果表明,基于移动机器人的联合事件覆盖漏洞修复算法有效克服了人工重部署成本高、时间长、危险性高和飞机随机抛撒重部署准确率低,浪费网络资源的问题。本文对多约束环境下的复合事件栅栏覆盖问题、三维空间复合事件栅栏覆盖问题、传感器网络复合事件部署问题和基于移动机器人的事件覆盖漏洞修复问题进行了系统性的研究,提出了多约束复合事件覆盖模型和网络覆盖、部署以及修复算法。最后,通过大量的仿真测试实验和对比实验验证了本文所提出方法的有效性和高效性。