物联网和大数据是智能时代研究和应用的热点领域,无线传感器网络作为物联网和大数据的核心基础设施,近年来得到广泛的研究和深入的发展。由于无线传感器网络是多学科交叉领域,其本身存在诸多的研究与挑战。其中,节点部署问题是任何类型的无线传感器网络应用以达到预期的服务质量都必须要妥善解决的基础问题之一。无线传感器网络的节点通信距离和初始能量有限以及节点部署中需要考虑的许多折中优化目标(比如网络覆盖率最大,网络连通性最佳,网络寿命最长,网络可靠性最大等)都使得网络部署优化成为十分复杂的问题,其中很多是NP-Hard的。从本质上讲,部署问题是一个连续离散变量共存的、多维的、非线性的优化问题。对于该类问题,传统的确定性算法已很难求解,而基于群体智能的元启发式算法常常能获得该类问题的近似最优解。其中,人工蜂群算法是作为一种新兴的基于群体智能的元启发式算法,由于其全局寻优能力强、易于实现的特点,对于解决复杂的非线性优化问题表现出一定的优势。然而,人工蜂群算法存在收敛速度慢、问题兼容性需要进一步提高的不足,因此,需要对其进行深入的研究和改进。本论文对人工蜂群算法进行了改进研究并基于这些算法对无线传感器网络的若干部署优化问题进行了研究,主要的贡献和创新之处如下:1.研究了三维植被水域覆盖地形中无线传感器网络全局连通下的普通节点部署寿命优化问题。首先构建了复杂环境下的三维地形模型,然后根据传感器在植被和水中通信过程的不同构建了四种传感器信道模型。接着又给出了传感器网络的网络模型以及能量模型。在保持网络连通性的基础上为优化复杂环境中的含有冗余节点的网络的寿命,提出了一种基于最优分组人工蜂群算法的无线传感器网络寿命优化方法。该算法将离散的组合优化问题构建进连续的人工蜂群算法的求解过程中。为验证该算法的性能,首先通过实验确定了网络寿命优化所需的最佳分组数目。然后,在设定最优分组数目的情况下,验证了基于最优分组的人工蜂群算法能够更稳定地延长网络的寿命,提高网络能量的利用率。2.为解决无线传感器网络普通节点部署覆盖最优的问题,首先采用基于概率的覆盖率模型来计算网络覆盖率,然后提出了一种基于外推的人工蜂群算法来优化网络的覆盖部署。为提高人工蜂群算法的收敛速度和精度,外推人工蜂群算法将外推的过程引入人工蜂群算法并构建了基于外推过程的跟随蜂阶段。基准函数测试实验表明相对于原始的人工蜂群算法基于外推的人工蜂群算法拥有更快的收敛速度和更好的求解精度。覆盖部署优化的仿真测试表明,相比于其他几种经典智能覆盖优化算法,基于外推人工蜂群算法的覆盖优化方法能够在迭代次数更少的情况下满足网络高覆盖率的要求。3.研究了采用多目标人工蜂群算法解决单层无线传感器网络中继节点部署优化的多目标问题。设计多目标算法之前,首先提出了单目标的基于线性局部搜索的人工蜂群算法。该算法中随迭代次数呈线性变化的参数能够动态调整算法的局部寻优能力。进而为同时对网络的两个重要的工业参数网络平均能耗和网络平均可靠性进行优化,将NSGA-II中的基于非支配排序和拥挤距离的多目标比较算子引入基于线性局部搜索的人工蜂群算法,并将该算法的跟随蜂概率生成由单目标改成多目标的形式,最终形成多目标的基于线性局部搜索的人工蜂群算法。将所提出的多目标算法和其他几个多目标算法共同用于解决多个场景下单层网络中继节点部署优化的问题。经过一系列经典统计方法分析的实验结果表明,本研究提出的算法拥有更为显著的解空间搜索能力。4.针对两层无线传感器网络中继节点部署优化网络寿命最大化的问题,提出了一种融合多因子的增强的人工蜂群算法。该算法主要获得了两方面的改进,首先,候选解生成公式中加入了问题的维度,并且局部搜索依据因子库的最佳因子进行调整,这有利于更好的平衡算法的探索及开发能力。其次,为了防止算法早熟,提出了动态搜索平衡策略,并用该策略替代了传统人工蜂群算法中的侦查蜂阶段。基准函数测试结果表明,该研究提出的算法相对于原始的人工蜂群算法和其他算法变种,精度更高,收敛速度更快。而对于求解两层无线传感器网络中继节点优化部署问题,该研究提出的算法相比较于其他经典方法,中继节点的部署更为合理,网络平均寿命更高,搜索到的全局最优解更好。