随着物联网技术的高速发展,无线传感器网络（Wireless Sensors Network,WSN）作为物联网的感知层,由于其具有感知性强和实时传输数据等特点,被广泛应用于国防安全、工厂监测、医疗服务、健康监测、自然灾害监测等众多领域。在大规模部署应用无线传感器网络时,由于客观条件限制或受到恶意攻击等因素的影响,导致节点分布不均匀,节点过早死亡,从而使网络中出现能量损耗不均衡与覆盖空洞等问题,严重影响了网络监测性能。本文以改善网络监测性能为目标,主要在网络能耗均衡与覆盖优化方面展开了以下研究工作:（1）针对网络传输数据时出现的能耗不均衡问题,提出了一种能耗均衡的萤火虫蚁群混合路由算法。在该算法中,将剩余能量、节点度、覆盖重要度、距离参数融入萤火虫算法适应度函数来优化簇头的选取。并在选取簇头阶段,对未参与簇头选取的节点采用睡眠-唤醒机制以减少能量损耗。通过蚁群算法确定簇头到基站传输数据的路径,并根据剩余能量、节点与基站距离、节点度选取最优路径。采用容错策略来保证网络正常进行数据传输。结果表明所提出的算法延长了网络生命周期,有效的平衡了网络能耗。（2）针对混合WSN在复杂环境下进行信息有效监测的问题,提出一种混合WSN覆盖优化算法。将改进的灰狼优化算法运用到混合WSN部署中,从而解决复杂环境中网络监测性能较差的问题。在该算法中,采用混沌映射增强灰狼初始种群多样性,提高算法寻优能力。通过非线性策略调节收敛因子的变化,以平衡全局与局部搜索能力。同时采用自适应的变异策略防止算法后期种群趋于同一性,解决了局部最优问题。仿真实验表明,所提出的算法对目标区域实现了优化覆盖,改善了网络监测性能,为复杂环境下WSN部署提供了有效的解决方案。（3）针对WSN部署在三维空间中出现覆盖空洞的问题,提出一种WSN三维覆盖优化算法。构建三维概率感知模型,将二维平面拓展为三维空间。并与改进粒子群算法结合,以实现三维空间优化覆盖。算法初始阶段,利用惯性权重动态调节算法的整体与局部寻优能力。通过改进学习因子,加快了算法的收敛。引入差分进化算法的交叉变异策略,提高了种群多样性。实验结果表明,所提出的算法在有效提升覆盖率的同时实现了快速收敛,降低了网络能耗,改善了网络监测性能。