随着科技的飞速发展与社会的不断进步,汽车的数量正在爆炸性地增长,导致传统的交通基础设施面临着许多问题。因此,人们提出了车联网并利用车车通信与车路通信等信息交互方式来减轻传统交通设施的压力。路侧单元(Road-Side Unit,RSU)是车联网通信中的核心部分之一,它作为连接车辆和外部网络的桥梁,其重要性不言而喻。然而,RSU的部署成本较高,因此设计合理的RSU部署方案用以充分发挥其单元效益在车联网中十分重要。本文的主要研究内容如下:(1)首先,对车联网中的通信模式和信道模型进行了研究,并分别针对高速公路和城市路网这两种应用场景中的RSU部署问题进行了分析。具体地,分别提出了高速公路场景下RSU部署的单目标优化问题和城市路网场景下的RSU部署多目标优化问题。(2)其次,提出了一种改进的离散CS算法用以求解构建的高速公路场景RSU部署单目标优化问题。为解决解空间是离散的高速公路场景下RSU部署最优化问题,本文对布谷鸟搜索(Cuckoo Search,CS)算法进行了研究,分析了算法的基本原理以及主要工作流程,提出了CS算法中各部分的离散化方法,得到了离散版本的CS算法,适合解决本文提出的高速公路场景下的RSU部署最优化问题。除此之外,为了提高离散CS算法的性能,提出了一种基于改进的离散CS算法(Improved Discrete Cuckoo Search,IDCS),IDCS算法中将种群分为两个部分,分别采用不同的步长进行位置更新,提高了布谷鸟算法的局部搜索能力。为了测试改进方案的有效性,采用CEC2014测试集函数对IDCS算法的性能进行测试,并与其他智能优化算法在求解精度与收敛速度两个方面进行对比,对比结果表明IDCS算法拥有更佳的求解能力。(3)再次,提出了一种改进的非支配排序遗传算法(Improved Non-dominated Sorting Genetic Algorithm Ⅱ,INSGA-Ⅱ)用以求解构建的城市路网场景中RSU部署的多目标优化问题。分析了传统的非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm Ⅱ,NSGA-Ⅱ)的主要操作及工作流程,并对该算法进行离散化,使其适合求解本文提出的优化问题;同时针对算法的交叉操作进而提出了一种多点交叉策略,以此来增加种群的多样性。为了提高种群的利用率,算法引入了一种解集的去重操作。此外,利用ZDT测试函数对INSGA-Ⅱ进行了性能测试,通过与集中经典的多目标优化算法实验结果作对比,验证了INSGA-Ⅱ的有效性。(4)最后,给出了两种优化策略在不同应用场景下的仿真结果。首先对两种所提算法进行参数调优,使其在对应的优化问题上具备更好的性能;然后对它们改进因子的有效性分别进行了验证;紧接着用调优后的算法求解其对应的优化问题,通过对实验结果的分析可知,IDCS算法和INSGA-Ⅱ算法分别取得了最好的优化效果;最后对两种算法的稳定性进行了分析。