当今时代,最优化问题普遍存在于人们的生产生活中。区别于传统优化算法高复杂度、遍历全域等局限性,智能优化算法逻辑较为清晰,对目标函数的约束相对较低,渐渐脱颖而出并迅速发展,为解决大维数下的复杂优化问题提供了全新的思路,已经成为最优化领域研究的热点之一。本论文以经典和声搜索算法（Harmony Search,HS）为背景,在三个维度上进行离散化预处理,从不同角度提出若干改进方式,旨在解决不同规模下的NPhard问题。本论文研究的主要内容如下:针对当前智能优化算法较易陷入局部最优、出现早熟收敛的问题,提出了一种离散混合和声搜索算法。该算法将目标函数的变化范围融合到和声记忆库取值概率的改变中,同时使用一种保留潜力和声的新方法,最后针对离散域的特点,改进传统连续和声搜索算法中的微调操作。针对路径选择这一经典旅行商问题,提出了一种基于能量有效的和声搜索方案。该方案在离散混合和声搜索算法的基础上,加入特定的交叉变异环节;结合网络中最低能量的大小提供三种不同的节点调整策略;目标函数的设计考虑到能耗、路径长度、平均剩余能量等多个因素,同时该算法针对不同的节点调整策略提出不同的目标函数。实验结果表明,该算法可以有效延长网络的使用时间。设计实现了一套基础的环境监测系统。系统中终端节点主要实现环境温湿度的采集,并根据基于能量均衡的和声搜索算法选择下一跳节点;汇聚节点对终端节点上传的数据进行数据处理和转发,将数据上传至数据库留存使用。测试结果显示系统运行状况稳定,并验证了该算法的可行性。