无线传感器网络（Wireless Sensor Networks,WSNs）得益于现代信息、计算、无线通信等技术的迅速发展,因其传感器节点微型、低功耗等优势,已成为当代人们日常生活重要的部分。然而,由于微型廉价的传感器节点在存储、通信和计算等方面资源有限,且在恶劣的环境下容易被破坏,从而导致网络通信受阻。因此,有效地延长网络的生命周期,提高节点的能量效率显得十分重要,而合理的传感器节点部署方法不仅可以提高数据传输效率和网络资源利用率,还可以根据实际应用需求动态地调整网络状况。本文针对传感器网络中的节点重部署开展研究,主要研究工作概括如下:本文首先针对无线传感器网络中部分节点进行“多对一”传输模式,导致其能量消耗过快、产生能量空洞问题,提出了一种基于萤火虫算法的节点重部署（Node Redeployment Based on Firefly Algorithm,NRBFA）策略。该策略首先对传感器节点进行随机部署,利用K-means算法进行拓扑控制,引入冗余节点;然后,冗余节点根据萤火虫算法进行移动更新,以替换能量消耗过快的簇头,平衡网络中节点能耗;最后,再次利用萤火虫算法寻找目标节点,更新冗余节点。该策略通过有效地移动冗余节点,减少了节点移动能耗,优化了网络能耗。经过与基于虚拟力的分区节点重部署算法进行对比,仿真结果表明,本研究提出的策略降低了算法复杂度,增加了数据采集量,提高了传感器节点的能量利用率,延长了网络生命周期。其次,本文对无线传感器网络节点部署中的网络负载均衡优化进行研究,提出了一种负载均衡的节点重部署（Load Balanced Node Redeployment,LBNR）算法。该算法首先在节点进行初始部署后,采用层拓扑结构控制中的K-means算法进行分簇,引入冗余节点,对负载大的簇进行拆分,对负载小的簇进行簇成员的动态调整。其中,在减小簇规模阶段,基于帝王蝶优化算法思想进行冗余节点移动,以进行簇拆分;在增大簇规模阶段,采用邻近运动方式,进行簇成员节点调整,避免了簇规模不均衡带来的网络负载不均衡问题,达到了簇间负载均衡的目标。对比上一研究提出的NRBFA算法和K-means算法,仿真结果显示该算法通过有效地移动节点,调整了簇规模大小,均衡了网络负载,提高了网络能量使用效率。