群体智能优化算法的涌现为解决各类问题提供了新的工具,但优化算法存在易陷入局部最优、收敛精度低等不足。本文研究了3种群体智能优化算法:灰狼优化算法（grey wolf optimizer,GWO）、蝴蝶优化算法（butterfly optimization algorithm,BOA）及粒子群优化算法（particle swarm optimization,PSO）。针对群体智能优化算法的不足,本文提出了多种改进策略:混沌映射初始化、控制参数的混沌调节策略、非线性控制策略、混合算法等。运用Wilcoxon秩和检验和Friedman秩检验对多种基准函数的测试结果来验证改进算法的性能。将提出的混合算法应用于无线传感器网络（wireless sensor network,WSN）的二维节点部署问题;并针对WSN的三维覆盖问题,提出一种改进虚拟力的三维覆盖算法（three-dimensional covering algorithm by improved virtual force,3D-IVF）。本文对优化算法的改进、WSN的二维节点部署及三维覆盖问题的具体研究及创新如下:（1）对20种一维混沌映射的混沌分岔现象及对应的Lyapunov指数值进行分析;并结合马尔科夫链理论对GWO算法的收敛性进行证明。（2）提出一种混沌灰狼优化算法（chaos grey wolf optimization algorithm,CGWOA）,分别运用20种混沌映射对GWO算法的种群和控制参数进行混沌改进,通过单峰测试函数和多峰测试函数对CGWOA的性能进行验证;为提高BOA的收敛精度和寻优速度,提出一种混合Cubic映射的粒子群蝴蝶优化算法（hybrid Cubic map and butterfly optimization algorithm with particle swarm optimization,HPSOBOA）,并用于求解高维优化问题。（3）在HPSOBOA基础上进行改进研究,提出一种混合粒子群-蝴蝶算法（hybrid particle swarm-butterfly algorithm,HPSBA）,并用于WSN的二维节点部署。（4）针对WSN的三维覆盖问题,分析了三维空间中端节点之间的虚拟力参数,提出一种改进虚拟力的三维覆盖算法。实验结果表明:对测试函数的寻优,混合算法HPSBA优于HPSOBOA、混沌改进的GWO算法及其他对比的优化算法。HPSBA在WSN二维节点优化部署中,对比于PSO算法、BOA、IGWO算法等5种算法,其部署覆盖率、网络连通性均较好;提出的3D-IVF算法在三维空间的节点覆盖仿真中,对比于3D-VF算法,其覆盖效果得到了一定的提升。