随着科学技术的更新,传统的耕作方式逐渐被机器和人工智能取代,设施农业也逐渐被应用于各类农作物的种植。物联网作为新一代信息技术的重要组成部分,为设施农业的发展创造了有利的条件。温湿度无线传感器网络是农业物联网的重要组成部分,因此解决其中存在的优化问题也尤为重要。然而在农业大棚中安置温湿度无线传感器网络存在多种问题,包括任务分配、分簇和频谱分配问题。针对以上问题,本文设计了群智能算法用于优化网络效益、降低网络能耗。首先,针对设施农业温湿度无线传感器网络中存在的任务分配问题,设计了任务分配模型,并以温湿度无线传感器的网络性能为目标设计了适应度函数。为了优化网络性能,提出了一种精英免疫蚁群优化算法（Elite Immune Ant Colony Optimization,EIACO）用于设施农业温湿度无线传感器网络监测任务分配优化。该算法充分结合了传统蚁群算法、精英算子和免疫算子的优点,算法过程主要包括初始化、适应度评估、路径选择、信息素更新。该算法在进化的过程中,蚂蚁不断搜索最优解,并最终找出合适的监测任务分配方案。在仿真中针对设施农业温湿度无线传感器监测任务分配优化问题,对比了所提算法、遗传算法和模拟退火算法。仿真结果表明,当传感器数量为8,任务数量为15时,精英免疫蚁群优化算法相较于遗传算法和模拟退火算法分别提高了4.64%和5.78%,所提算法有效提高了设施农业传感器网络性能。其次,针对设施农业温湿度无线传感器网络中能耗过大的问题,设计了分簇模型,该模型通过分配簇头节点降低传感器节点之间传输数据所需的能耗,并以通信能耗为目标设计了目标函数。为了降低能耗,提出了一种新的二进制免疫混合人工蜂群算法（Binary Immune Hybrid Artificial Bee Colony,BIHABC）用于设施农业温湿度无线传感器网络分簇。算法过程主要包括种群编码、适应度评估、引领蜂阶段、跟随蜂阶段和侦察蜂阶段。为进一步评估该算法的性能,将其与遗传算法和蛙跳算法进行了对比。仿真结果表明,当节点数为100时,与传统的遗传算法和蛙跳算法方法相比,所设计的二进制免疫混合人工蜂群算法方法可以分别降低9.94%、14.42%的系统总发射能量和接收能量。所提算法有效地降低了设施农业温湿度无线传感器网络的通信能耗。最后,针对设施农业温湿度无线传感器网络数据传输过程中存在的频谱资源短缺问题,设计了图论模型,并以网络效益为目标设计了适应度函数。为了优化频谱分配后的网络效益,提出了一种新的混沌混合免疫遗传算法（Chaotic Hybrid Immune Genetic Algorithm,CHIGA）,并设计了新的混沌算子和免疫算子。仿真结果表明,当有5个频谱和10个次用户时,与量子遗传算法和粒子群算法相比,混沌混合免疫遗传算法优化过的网络效益分别提高了7.54%和12.07%,更适合解决设施农业温湿度无线传感器网络频谱分配问题。