无线传感器网络（Wireless Sensor Network, WSN）融合多领域前沿科技于一体，有寻常网络难以企及之优势，其未来发展不可限量。迄今为止，WSN在深海探测、航空航天、救灾抗震等领域已经得到广泛应用，随着物联网的实施和无线传感器技术的不断发展，它将会逐步渗透至人类生产、生活的各个角落，成为密不可分的一部分。节点定位技术研究是WSN领域一个至关重要的研究方向。节点定位问题，本质上属于七大数学难题之一的NP完全问题，此类问题通常需要借助现代智能优化算法来予以解决，但此类算法各有不足之处。本文将节点定位算法作为研究切入点，首先对已有的经典定位算法进行了全面分析。在此基础上，利用量子进化算法的新成果，针对节点自定位问题进行融合创新，提出了两种新的WSN节点定位算法：1）基于双链量子遗传算法的无线传感器网络节点定位算法（WDQGA）。该算法采用基于量子位概率幅编码方式的双链量子编码方案，避免了测量量子位时带来的不确定性，摆脱了不同进制间频繁的解码转换过程，每次迭代使两个解可以同时得到更新。因此，在种群规模相同的条件下，该编码方案能明显加快优化速度，扩展全局最优解数量，提升获取全局最优解的概率。算法确定转角大小时，对适应度函数在搜索过程中的变化趋势进行了详细分析，并将此信息作为一个关键元素融入到转角步长函数构造中，使各量子染色体依据其适应度值变化情况，对搜索过程做出动态调整，有效地提高了算法效率，也提高了定位的精度。仿真实验结果表明，在不同网络环境下，WDQGA的定位精度明显高于经典的DV-Hop算法。2）基于Bloch球面坐标量子进化算法的无线传感器网络节点定位算法（WBQEA）。该算法采用基于量子位Bloch球面坐标的编码方案和新的量子非门，使每条量子染色体能同时代表搜索空间中的三个优化解，从而有效的提高了搜索速度，增加了种群的多样性，降低了算法早熟的可能性。仿真实验表明，本算法比WDQGA和DV-Hop等传统算法能获得更理想的定位精度。