无线传感器网络由众多相互协作的传感器节点组成,在医疗健康、环境监测和目标跟踪等领域显示出巨大的应用潜力。位置信息在许多应用中至关重要,因此如何获得定位精度高、复杂度低的定位算法受到了广泛的研究。本文对无线传感器网络中的目标定位与节点定位算法进行了探索和研究,以期进一步提升定位精度,主要内容包括:（1）现有基于异步到达时间（Time of Arrival,TOA）的目标定位算法通常采用凸优化的松弛技术将非凸的定位问题转化为凸问题,从而得到目标位置的近似最优解。与现有算法不同,本文提出了一种基于差分进化算法的异步TOA目标定位算法,不需要将非凸的问题松弛为凸问题。该算法利用最小二乘准则将信号发送时刻表示为关于目标位置的函数,并带入目标函数中将其消除,最后采用具有反向学习和自适应重定向的差分进化算法求解目标节点的坐标。仿真实验表明,与其他算法相比,所提出的算法在四种不同的定位场景下均具有较高的定位精度且计算复杂度较低,表现出较强的鲁棒性。（2）在上述算法的基础上,提出了一种传输参数未知下基于差分进化算法的混合RSSTOA目标定位算法。所提出的算法解决了在发射功率、路径损耗指数和信号发送时刻未知的情况下,使用接收信号强度（Received Signal Strength,RSS）和TOA测量定位目标的问题。该算法采用具有反向学习和自适应重定向的差分进化算法同时估计发射功率、路径损耗指数和目标位置。仿真结果证实了所提出的混合算法在传输参数未知时的有效性,并验证了其比仅利用RSS和TOA测量的算法性能更好。（3）为了提高距离矢量跳（Distance Vector-Hop,DV-Hop）算法的定位精度,提出了一种基于海洋捕食者算法的改进DV-Hop节点定位算法。在距离估计阶段,该算法采用加权最小均方误差准则修正锚节点的平均跳距,然后对接收到的锚节点平均跳距取平均,修正每个未知节点用于距离估计的平均跳距。在节点位置估计阶段,采用海洋捕食者算法求解未知节点的坐标。仿真实验表明,在方形随机网络拓扑结构下,所提出的算法在定位精度方面优于基本的DV-Hop算法以及其他改进算法。