供水管网中水质恶化主要有两方面原因，一方面是由于水体自身在管段中发生物理、化学、生物反应引起的自身水质恶化，另一方面为外部污染物入侵引起的突发污染。在管网中布置一定量的水质监测点，对管网水质进行实时监控，是保障饮用水安全的有效途径。国内外学者对于水质监测点选址问题做了大量的研究，但也存在着一些较普遍的问题，在此基础上，本文分别针对水质恶化的两个原因展开研究，分为常规水质监测点选址问题和非常规水质监测点选址问题。　　 针对目前常规水质监测点选址研究应用于多工况条件所存在的缺陷，本文以节点水量和节点水龄共同表征节点水质，建立覆盖矩阵，并且采用覆盖率直接代替覆盖水量法目标函数中的覆盖水量，引进标准差转化函数将各工况的覆盖率标准差转换成一个(0，1)之间的折减系数，综合考虑各工况覆盖率的总和以及各工况覆盖率的标准差两个因素对于选址结果的影响。采用Net3管网算例进行分析，运用遗传算法求解整数规划问题，结果表明采用递推法可以迅速求得水量比例矩阵，采用遗传算法可以迅速求得最优监测点组合，相比与传统的覆盖水量水龄法，考虑标准差后的选址结果虽然总覆盖率有所减少，但是各工况覆盖率较稳定一致，使得监测点不仅能够反映较多水量的水质，更能较好的连续反映管网各时段内的水质情况，同时监测点组合的各工况覆盖率与各工况下的管网总用水量之间存在着较大联系。　　 针对目前非常规水质监测点选址研究中仅考虑单个污染注入点的不足，本文采用了以最大化污染事件监测比例f1、最大化监测点可靠f2、最短化污染事件监测时间f3为目标的多目标选址模型，并对可靠度以及监测污染事件等概念重新定义，分析了污染注入点数量分别为1、2、3时的监测点选址问题，采用BWSN1管网算例进行分析，筛选潜在的污染注入点，计算结果表明NSGA-Ⅱ能够迅速得到较均匀的Pareto前沿，随着监测点数量的增加以及污染注入点数量的增加，监测点组合监测到的污染事件数量增加，监测时间变短，监测点可靠度增加，并且改善的幅度逐渐减少，同时污染注入点数量的变化对f1、f3的影响大于对f2的影响，最大化监测比例使得监测点的布置更加分散且接近管网末梢，最短化监测时间使得监测点的布置较分散且靠近管网中上游，而最大化监测点可靠度则使得监测点的布置较紧密且几乎不受Jinsert的影响。