无线传感器网络（Wireless Sensor Networks,WSNs）是一项新兴的信息采集与传输技术。传感器节点用来感知、采集、处理网络分布比较危险、环境区域比较复杂的监测对象信息,如果无法确定节点位置,收集到的各种监测信息将毫无意义,因此,节点定位技术成为当前WSNs迫切需要解决的问题。基于测距的接收信号强度指示（Received Signal Strength Indicator,RSSI）定位技术由于无需附加硬件设备、低功耗等优点被广泛应用。如何通过改进和优化RSSI定位算法,提高定位精度是定位技术研究的热点之一。本文针对RSSI算法存在的定位精度低问题,进行改进优化,主要研究工作及创新点如下:（1）针对大多数定位算法使用经验值作为路径损耗因子,产生较大测距误差的问题,提出基于锚节点集和RSSI模型参数优化的质心定位算法。对收集到的RSSI值进行高斯预处理,以减小测距误差,选取距离目标节点最近的锚节点作为参照节点,利用参照节点与邻居锚节点间的距离信息,建立关于信号强度和路径损耗因子的RSSI模型参数方程组,以最小二乘法为约束条件,动态修正RSSI模型参数;通过双集合方式选取最优锚节点集,提高目标节点定位可行性;将选出的三个锚节点集进行质心定位计算,得到目标节点的坐标。仿真结果表明,该算法的性能优于传统质心定位算法、改进三边质心定位算法和改进四边形加权质心定位算法,在硬件条件相同的情况下,具有更好的收敛性和更高的节点定位精度。（2）区别于现有启发式算法在求解定位问题前期存在搜索效率低和定位区域大,而导致定位精度低的问题,提出基于改进Bounding-box的自适应罚函数RSSI定位算法。首先,为了缩小目标节点定位区域,对传统Bounding-box算法进行改进,将Bounding-box算法中锚节点的通信区域由传统的方形改进为内切圆形进行搜索,并找出不同锚节点通信区域间的重叠区域;其次,对比制约罚函数和障碍罚函数限制的区域特征,找出适合改进Bounding-box算法的罚函数,设计自适应障碍因子,提高启发式算法的个体在优化前期可行域的搜索效率,以重叠区域作为可行域构造自适应罚函数;最后,通过求解最小自适应罚函数,得到目标节点位置。仿真结果表明,在不同的锚节点、测距误差以及通信距离的环境下,该算法定位精度有所提高,并减少了能量消耗。（3）为了克服群智能算法收敛速度慢、局部搜索性差导致定位算法能耗高、定位精度低的问题,提出一种基于改进鲸鱼优化的RSSI定位算法。首先,在鲸鱼算法的包围收缩阶段和随机行走阶段分别引入层次机制和反馈机制,提高鲸鱼算法的收敛速度和搜索精度。然后采用改进鲸鱼优化算法对RSSI定位值进行优化。创建一个边界框搜索空间,缩小目标节点的范围;重新设计目标函数,利用锚节点到目标节点的近似距离与鲸鱼到锚节点的实际距离之差来改进适应度函数,以获得更好的收敛速度和更准确的代价值;根据不同的搜索条件更新鲸鱼的位置,以当前鲸鱼最优解作为目标节点位置。实验证明了改进鲸鱼优化算法的性能可行性。因为结合智能优化算法,该定位算法改进优化节点感知半径,在节点定位精度方面比原始RSSI算法、HPSO（Hybrid Exponential and Polynomial Particle Swarm Optimization）定位算法和WOA-QT（Whale Optimization and the Quasi-affine Transformation）定位算法具有更好的优势。