5G移动通信和物联网是智能时代网络技术的研究和应用热点领域,而无人机基站（UAV-BS）作为5G和物联网的应急通信基础设施之一,近年来得到快速发展和深入研究。当户外无线用户数量激增,固定基站难以适应高负载通信流量时,UAV-BS可作为应急通信方案提供通信服务。UAV-BS及其网络存在诸多的研究和挑战,其中UAV-BS的覆盖问题是提升网络通信质量必须解决的基础问题之一。目前,根据应用场景可将UAV-BS覆盖问题分为扫描覆盖和部署覆盖,其中部署覆盖又可分为粗颗粒度部署和细颗粒度部署。针对细颗粒度UAV-BS部署中的最大覆盖和最大网络吞吐量的问题,本文分别对单目标优化,以及能量有限情况下多目标优化的无人机节点部署策略进行研究,以提升UAV-BS的网络性能和续航时间。多UAV-BS的细颗粒度部署是一个NP难问题,传统方法难以求解,而智能优化算法通常能够为该类问题提供近似最优解。粒子群优化算法（PSO）与其他智能优化算法相比,具有易于实现、粒子之间可共享信息、受问题维数的影响较小等优势。因此,本文选择基于改进的PSO算法来解决UAV-BS部署的单目标优化和多目标优化问题,进一步提升UAV-BS部署算法的性能。针对UAV-BS单目标部署问题,本文旨在优化决定整个网络服务质量的用户覆盖率和吞吐量。首先将用户覆盖率和网络吞吐量分别视为需要解决的单目标优化问题,设计一种基于PSO和萤火虫算法的智能混合算法（PSO-VFA）,弥补PSO算法求解精度较低、局部搜索能力不足等缺点。PSO-VFA算法分为采用不同智能优化算法的两个阶段:首先,使用PSO优化算法对覆盖区域进行全局搜索;然后,基于本文设计的虚拟排斥力的萤火虫算法（VFA）进行局部搜索,以最大化用户覆盖率和网络吞吐量。VFA算法中,用户被作为目标来吸引无人机,虚拟排斥力用于无人机的位置调节,以实现更好的细颗粒度部署。仿真结果表明,相比于单一智能优化算法,本文所设计的智能混合算法具有更高的用户覆盖率和网络吞吐量性能,以及更快的收敛速度。本文将三维空间的UAV-BS部署视为多目标优化问题,同时优化网络中的用户覆盖率、吞吐量以及移动能耗。无人机节点自身携带的电池容量有限,并且在目标区域移动的过程中会消耗大量能量,因此在无人机节点的部署中,需要考虑移动能耗因素。本文设计一种基于虚拟力的多目标粒子群算法（VF-MOPSO）,利用Pareto最优解集思想对在保持用户覆盖率、网络吞吐量和移动能耗平衡同时进行优化,最终提供多组UAV-BS部署方案。VF-MOPSO算法在MOPSO算法的基础上,引入变异算子,对边界上的粒子提供变异操作,提高算法的求解精度;虚拟力则用来调节无人机节点之间位置,增强算法的收敛速度。仿真结果表明,所设计的VF-MOPSO算法能够在多目标优化问题中得到较为理想的部署方案,并且相比于MOPSO算法,能够在保持覆盖率、网络吞吐量两个性能指标的同时,降低无人机的移动能耗。