近年来,先进的超大规模集成电路和射频技术加速了无线传感器网络的发展和应用。无线传感器网络具有能量消耗少、分布式自组织能力强等优点,在医疗、外太空探测、战场环境监测、重大灾难预警等领域发挥着越来越重要的作用。网络的服务质量很大程度上依赖于网络中的节点部署,因此节点部署问题是无线传感器网络需要解决的基础问题。目前,根据网络中的传感器是否带有移动设备能够在节点抛撒后自行部署,可以将无线传感器网络的部署策略分成静态部署策略和动态部署策略。论文针对静态网络的确定性部署,节点能量有限的动态网络部署和多目标优化的节点部署进行研究。静态部署的目标是采用有限数目的传感器节点使工作区域中被无线传感器网络覆盖的面积达到最大。针对最大覆盖的问题,论文提出基于自适应细菌觅食(Adaptive Strategy Bacterial Foraging Optimation,ASBFO)算法的静态网络节点部署方法。该方法首先通过模拟退火准则自适应的选择趋化方向并且利用区域集中搜索策略控制趋化步长,克服了原细菌觅食算法收敛速度慢的缺点;其次,提出的ASBFO算法增强了原始细菌觅食优化算法在搜索过程中的方向性,算法所得解的精度得到了提高,能够有效的找到区域的最优部署方案;仿真实验表明本文所提的无线传感器节点的位置部署优化算法,不仅使工作区域的覆盖范围达到最大,节点间的重叠区域最小,还具有很好的稳定性。动态部署网络中的传感器节点可以在被抛撒后通过自身设备的移动性在工作区域中完成自我部署。由于传感器节点在区域中移动时会消耗大量能量,并且传感器节点自身携带的初始能量非常有限。针对动态部署网络中节点的能量有限问题,论文提出了基于虚拟力算子的粒子群(Virtual Force Algorithm with Particle Swarm Optimization,VFAPSO)算法的能量受限的动态部署优化方法。该方法首先计算节点受到的虚拟合力,根据受力情况对节点的位置进行调整,以减少节点之间的重复覆盖,在平衡算法的全局搜索能力和局部搜索能力的基础上,有效解决了早熟问题,最大限度地扩大了无线传感器网络的覆盖范围;其次,考虑到能量消耗对于整个网络覆盖性能的影响,论文在基于虚拟力的粒子群算法中针对节点的移动距离做出限制,设定节点移动最大阈值决定节点是否继续移动,进而降低物理移动的能量损耗达到提高网络能量使用效率的目的;最后仿真实验表明提出的算法可以在保证区域覆盖率的同时,保证节点的总移动距离和能耗最小。对无线传感器网络进行节点部署时,往往要考虑多个因素,比如区域的覆盖面积,网络总能耗,网络的生命周期,网络的连通性等等。但是将所有因素建模为一个单一的优化问题是很复杂的,特别是在多个目标之间存在冲突的情况下。本文对区域总覆盖率,网络总能耗和网络的生存周期这三个目标进行多目标优化,将节点部署问题构建成多目标优化问题。因此针对多目标节点部署问题,本文提出基于虚拟力的多目标粒子群(Virtual Force Algorithm with Multi-objective Particle Swarm Optimization,VFA-MOPSO)算法的多目标优化下的节点部署方法。该方法首先采用虚拟力算子对种群中粒子的位置进行调节,提高了算法的收敛速度,使传感器网络中的节点在工作区域中能够均匀分布;其次,在位置更新后引入变异算子,为每个粒子提供一个变异概率,对个体历史最优解进行重新计算,避免算法陷入局部最优的危险,提高了算法求解结果的精确度;最后,通过仿真验证VFA-MOPSO算法可以在多目标优化的节点部署问题中得到符合要求的Pareto最优解,并且在节点数目不同的情况下解集中解决方案的网络生命周期平均值均大于NSGA-II算法,网络总能耗的平均值小于NSGA-II算法,解元素的分布更为均匀,具有很强的优越性和可靠性。