无线传感器网络(Wireless Sensor Networks，WSNs)是由大量无线传感器节点构成的分布式无线网络系统。由于传感技术、通信技术、计算机技术和微机电系统(Micro-electro-mechanical systems，MEMS)技术的快速发展,且WSNs具有无中心对等、自组织、布置迅速以及造价低廉等许多优势,被称为继因特网之后,21世纪对人类生活方式将产生重大影响的信息技术。本文研究了无线传感器网络时分复用(Time Division Multiple Access，TDMA)的时隙分配问题,并采用多种优化算法对其进行优化、结果比较。其中重点讨论了实数编码混沌量了遗传算法,针对实数编码混沌量子遗传算法的特点,对其进行了一定改进,在考虑到算法精度问题的同时,也兼顾了算法程序的运行时间。无论是在连续的测试函数中,还是在无线传感器网络TDMA的时隙分配的优化中,新的实数编码混沌量子遗传算法都优于其它算法。本论文首先介绍了WSNs的研究现状和论文的研究目的、意义,然后介绍了WSNs的一些基本概念,WSNs、传统无线网络与Ad Hoc网络的一些主要特点,WSNs的性能评价指标和应用领域。随后重点介绍了量子遗传算法,通过对量子遗传算法的一些基本概念,常规的量子遗传算法(即二进制编码的量子遗传算法)和实数编码混沌量子遗传算法的讨论,分析了这两种算法的优劣。通过对量子遗传算法的学习和积累,本文提出了一种基于灾变的实数编码混沌量子遗传算法(catastrophic real-coded chaotic quantum-inspired genetic algorithm.CRCQGA)。其具体方式是在实数编码混沌量子遗传算法的基础上加入灾变,即为了防止早熟,当最优解在规定代数内没有改变,则将保留最优个体,其余个体重新生产。同时,在混沌序列生成方面,通过对比了不同映射模型产生的混沌序列,对算法优化结果的影响,将原来实数编码混沌量子遗传算法中混沌序列的Logistic映射模型改为Chebyshev映射模型。最后为了种群更新幅度能变大些,并能在优化无线传感器网络TDMA时隙分配问题时,快速找到最优解,新算法中还改变了交叉与变异的个体选择。原来的实数编码混沌量子遗传算法中,只对评价值好的个体进行交叉,评价值差的个体进行变异；而新算法中将种群平均分为两半,对其中一半进行交叉,另一半进行变异。并在连续的测试函数和无线传感器网络TDMA的时隙分配的优化中将不同算法进行了对比,CRCQGA得到的结果较好。再次,论文中引入了两种路由算法,对相同WSNs的拓扑图,采用不同的路由算法,选择不同的传输路径,即产生不同的路由表,将不同的路由表分别带入相同的优化算法中,得到的优化结果相差甚远,说明路由的选择影响无线传感器网络TDMA的时隙分配结果。最后进行了全文的总结,并且对下一步的研究工作进行了展望。