在给水管网关键节点设置一定数量的水质传感器进行实时在线监测，对于控制最终到达用户的水质具有重要意义。本文借助选址理论与现代启发式优化算法提出并发展管网水质传感器优化选址的模型和求解方法，期望为管网早期预警监测系统的建立并在实际中得到应用做一些基础性的研究工作。管网水质发生恶化主要有两种情况：(1)水质组分在管网传输过程中的自我衰减或者增长反应导致水质恶化(传统情况)；(2)突发的或者蓄意的外部污染物侵入管网导致水质恶化(非传统情况)。针对传统情况下管网水质监测点的优化选址问题提出了部分覆盖的概念。将单一的覆盖标准扩展为覆盖标准区间，认为下游节点的水量来自上游节点的比例在最小覆盖标准与最大覆盖标准之间时，在下游节点设置监测点，不仅能够监测其自身的水质状况，还能够在一定程度上部分反映上游节点的水质状况。由此提出了部分覆盖下管网水质监测点优化选址的数学模型和求解该模型的基于二进制编码的离散粒子群算法。接下来，本文重点研究了非传统情况下管网水质传感器的优化选址问题。首先，提出了传感器选址的覆盖问题，包括集覆盖问题与最大覆盖问题。提出基本粒子群算法与遗传算法交叉、变异算子相结合的整数编码的混合粒子群优化(HYPSO)算法来求解最大覆盖选址模型，可以快速找到最优解。其次，针对管网各个节点被注入污染物的概率难以估计的问题，提出根据各个节点被注入污染物后，管网模拟结束时得到的选址目标值的大小来确定节点被选择作为污染物注入节点的概率，目标值越大，该节点被选择的概率越大。结合一管网算例，以经过归一化后的传感器选址节点平均坐标作为衡量选址结果的指标，得到了不同选址目标、不同污染工况条件下传感器选址节点平均坐标的累计分布函数图。最后，提出了考虑传感器选址可靠性的多目标优化模型(SPM-R)，SPM-R模型在最大限度地监测污染事件之外，期望传感器选址具有一定的可靠性，即若某一传感器发生故障，存在其它传感器能够继续代替故障传感器监测污染物浓度，并且由此造成的监测时间增加值在限定范围之内。基于非支配排序遗传算法-Ⅱ(NSGA-Ⅱ)详细阐述了SPM-R模型的求解过程，并对计算结果进行了参数敏感性分析。同时将SPM-R模型扩展为SPM-R-G模型，使其能够考虑不同的选址目标。