物联网（IoT）作为第五代（5G）移动通信的应用具有广阔前景。然而,地面网络基础设施资源的不足限制了Io T设备的部署与集成。而无人机可以作为Io T的空中辅助基站（AABS）实现按需部署,能够促进设备集成并克服地面基础设施不足的限制。本文研究了基于无人机的5G网络空中基站部署优化方法,并针对所提出的两个部署问题采用了对应的改进算法来提升优化的性能。设定的AABS静态部署的场景中,无人机需要覆盖地面基站无法为其提供服务的Io T设备,并提供通信和服务。考虑能耗和通信性能,求解无人机部署问题需要同时优化其最佳数量和通信相关的参数。因此该问题建模为一个无人机的联合部署优化问题（JDOPUAV）,在最小化部署的无人机数目的同时,最大化无人机的平均吞吐量和无人机设备连接对的最低吞吐量。在此基础上提出了一种改进的基于生物地理学优化算法IBBOFCI来解决所构建的问题。算法在重新生成解的过程中引入了柔性局部选择机制,通过降低算法迭代中的循环次数,进而避免了大量计算资源的浪费。此外,在迁移操作中的混沌机制和针对高HIS栖息地引入的入侵算子都增强了种群的多样性,从而扩大了算法的搜索范围。在与其他对比算法的模拟实验中,证明了IBBOFCI算法的改进因子的有效性。设定的无人机飞行至Io T设备的无线传输领域范围内完成数据收集的场景下,需要确保数据的“新鲜度”,将无人机完成单次任务轨迹的总时间限制在设定的阈值以内。上述场景中的无人机收集数据时的动态部署问题被构建为无人机数据收集轨迹优化的多目标问题（MOPDCTO）,通过优化无人机在收集数据时的悬停目标点坐标和访问顺序,降低计算得到的无人机部署数目以及无人机的飞行时间,同时最大化无人机的平均吞吐量。为了解决MOPDCTO,提出了一种改进的基于非支配排序遗传算法-Ⅲ（IMC-NSGA-Ⅲ）。算法引入了用于生成初始飞行轨迹的权重图初始化策略,通过权重图的计算生成初始任务飞行轨迹,进一步加快了算法的收敛速度。此外,引入的路径整理压缩策略解决了“碎片化”轨迹带来的任务分配不合理问题,而组内交叉算子的提出解决了原始交叉运算的维度不匹配问题,通过这些改进机制提高了原始算法的性能。分别在不同Io T规模的模拟实验环境下验证了所提出的改进算法的有效性,结果表明,在解决MOPDCTO问题时,IMC-NSGA-Ⅲ算法优于其他对比算法。