现代网络和通信技术的发展给社会带来了极大的便利,连接了各地的设备和场所。其中无线传感器网络技术可以服务的对象多,工作环境要求不高,使其大规模的融入现代社会成为了一种可见的趋势。对于这种改变人们日常生活的新技术,学术界开展了各种深入研究,其中关于无线传感器网络节点的定位算法占据了很重要的位置。本文选取两种典型的定位算法作为优化对象,利用改进的元启发式算法提高定位的准确率,主要的研究工作如下:（1）通过查阅文献,首先对无线传感器网络作了概述。其次对定位技术进行了归纳总结,并将涉及到的数学原理进行了详细介绍。最后介绍了基于测距和非测距的两大类定位算法。（2）2017年,Deb实验室提出了樽海鞘群算法,其灵感来源是海洋里的一种软体动物,通过模拟它的行为设计了这种新的优化算法。该算法易于编码实现,比大多数群体智能算法的结构更简单,输入的参数也更少,但同时也存在缺乏变异机制、容易掉入早熟陷阱等问题。针对这些问题,本文提出了两种改进的樽海鞘群算法。第一种是基于败者淘汰和精英引导变异的樽海鞘群算法（记为LGSSA）,算法开局没有使用随机种群,而是用CAT混沌映射生产,让搜索空间中的初始解尽可能多样化;同时在进化中采用高斯变异和败者淘汰策略,改善了算法的寻优速度和精度,提高了稳定性。第二种是融合流体搜索的樽海鞘群算法（记为FSSA）,针对寻优中领导者的搜索随机性较高的问题,采用流体搜索策使群体更容易朝正确的目标进化。通过在基准测试函数上和工程问题上的实验,对比元启发式算法的数据结果明显劣于LGSSA和FSSA,可以说明本文改进算法的收敛精度,寻优速度和稳定性等方面都具有优势。（3）DV-HOP定位算法和RSSI定位算法是两种不同机制的典型定位算法,适用条件不同,误差来源也不同。为减小定位算法的误差,本文提出了LGSSA-DV-HOP定位算法和FSSA-RSSI定位算法。DV-HOP定位算法的误差主要是网络连通度造成的,而用LGSSA算法可以减小最小二乘法对误差敏感的问题。仿真实验表明,改进的算法有效的提高了节点的定位精度。RSSI定位算法的误差主要是RSSI测距的误差,针对其定位效果受测距影响比较大的问题,利用FSSA算法进行优化,得到的准确率高于RSSI定位算法,PSO优化的RSSI定位算法,SSA优化的RSSI定位算法,FSSA-RSSI算法具有最好的定位性能。