传感器的优化布置是结构健康监测系统的首要环节,其采集数据的有效性对检测评估等后续步骤有非常重要的影响,因此,保证数据的有效性成为传感器布置的基本原则。考虑到实际情况的约束,包括结构的复杂性,传感器布置的经济性、数据采集与储存的可行性等,往往要求传感器的数目要少,即用尽可能少的传感器获得结构尽可能多的振动响应信息。针对目前常用的优化准则,无法满足某些特定的目的以及传统算法搜索的局限性的问题,本文的研究工作主要包括以下几个方面：(1)考虑传感器优化布置中的模态置信准则MAC只能对三维传感器的某一方向进行优化,而不能确保在三个方向同时实现优化布置的问题,提出将节点的三个平动自由度作为一个单元,通过节点的Fisher信息阵来获取结构所布置传感器的Fisher信息阵,并借鉴模态置信准则的思想,构建了一种全新的三维模态置信准则TMAC。(2)为解决传感器优化布置中的信息冗余问题,提出了一种信息冗余度函数g(R),将其与三维模态置信准则相结合,建立了一种既能保证模态振型可观性又能保证模态振型可区分性的传感器三维模态置信准则。(3)为提高算法的求解效率,提出一种分布式狼群算法,采用改进的双重编码方式,使得原狼群算法能够求解离散变量优化的问题；采用狼群分组的方法,通过组内狼个体的信息交流,提高了算法的搜索效率。以中佛罗里达大学建立的基准模型为例,对算法的主要参数进行敏感性分析,并将分析得到的适宜参数代入算法进行运算；结果表明,分布式狼群算法较简单狼群算法,其搜索能力有大幅提高,较适用于传感器优化布置问题。(4)针对算法在运行的过程中,狼群中的每只狼个体都将猎物向头狼位置驱赶,会降低狼群的多样性,使得算法易于陷入局部最优的问题,提出等级划分狼群算法,采用改进的双重编码方式,使得原狼群算法能够求解离散变量优化的问题；提出人工均匀法进行狼群数据的初始化,以保证初始数据的均匀性；采用狼群等级划分的方法,避免群体内狼个体与头狼等级相似,增加狼群的多样性,提高算法的搜索效率。以中佛罗里达大学建立的基准模型为例,对算法的主要参数进行敏感性分析并将分析得到的适宜参数代入算法进行运算；结果表明,等级划分狼群算法较原狼群算法,其搜索能力有较大幅度的提高,能较好地解决传感器优化布置问题。