无线传感器网络(WSN)具有可靠性高、低成本以及易于部署等特点,已被广泛应用于生态监测、工业安全、军事战争、农业生产和目标追踪等诸多领域。在应用中,节点定位是基础,其研究一直是无线传感器网络的研究热点。然而,国内外对于WSN定位研究大多集中在较为规范的网络环境中,即各向同性WSN(节点布置在规则的监控区域内)和同构WSN(节点拥有相同的通信半径)。但在一些实际应用中,各向异性WSN和异构WSN普遍存在,因此,各向异性WSN和异构WSN的节点定位算法研究更具有重要的理论价值和实际意义。本文对各向异性WSN和异构WSN的已有定位算法进行了详细分析,对存在的问题,基于人工智能算法,提出了各向异性WSN和异构WSN的优化定位算法,具体研究内容以及主要创新点如下:1)针对目标监测区域不规则的各向异性无线传感器网络,提出了一种基于粒子群优化的前进跳距期望定位算法。该算法首先通过引入控制参数MaxHop去筛选有效锚节点;其次,通过同构网络的前进跳跃进展方法来计算各向异性WSN中平均跳距大小;然后,通过PSO算法将节点的定位问题转化为优化问题,得到更为精确的位置坐标;最后,通过仿真实验验证了算法在各向异性WSN中拥有较高的定位精度以及较快的收敛速度。2)针对节点通信半径各不相同的异构无线传感器网络,设计了一种基于支持向量回归机的异构无线传感器网络的定位算法。在异构WSN中的前进跳跃期望计算方法的基础上,该算法利用支持向量回归机(SVR)对未知节点的坐标进行建模分析。我们首先通过改进经典EHP算法来降低计算复杂度,以较快的收敛速度获得异构WSN中目标锚节点与未知节点的计算距离;其次,将目标锚节点与训练锚节点的距离向量和他们的具体坐标作为支持向量回归机的训练样本,得到学习模型;然后,利用得到的SVR回归模型对未知节点的坐标进行预测。通过实验证明,该定位方法能在异构无线传感器网络中取得较好的定位效果,同时也能较好的应用到各向异性异构无线传感器网络中。