传感器的优化布置是一类典型的组合优化问题。目前，传感器优化布置的方法有多种，但都存在各自的缺点。猴群算法是近年提出的一种智能仿生算法，适用于求解多变量、多峰值的函数优化问题。利用猴群算法进行传感器的优化布置，是目前国内外学者广泛关注和研究的热点问题之一。本文在总结猴群算法国内外研究现状及成果的前提下，对猴群算法进行了相应的改进，使其适应传感器优化布置的需要。本文研究的内容如下：
　　(1)介绍了传感器优化布置的意义，对猴群算法的国内外研究现状进行了综述，总结了猴群算法的研究成果，给出了猴群算法改进和提高的方向，确立了传感器优化布置的数学模型。
　　(2)针对猴群算法初始化种群随机性大、固定爬步长不利于搜索局部最优解的问题，提出了一种改进的猴群算法。该算法以MAC矩阵(模态置信矩阵)作为目标函数，通过正态分布的方法构造初始种群来增强猴群的多样性；采用自适应的变动爬步长，提高算法运行的速度和求解精度。
　　(3)针对猴群算法跳区间固定、优秀猴子特征信息不能传承等缺陷，提出了野草猴群算法。该算法在改进的猴群算法基础上，采用自适应的跳过程，并引入以适应度为基准的野草繁殖进化和竞争生存机制，解决了优秀猴子特征信息的传承问题，进一步提高算法的求解精度。
　　(4)猴群算法在附近区域进行最优解的搜寻时，难免存在搜索盲区，易导致某些最优解隐藏在步长覆盖的区域错失“良机”，降低了算法搜寻全局最优解的能力。针对该问题提出了基于蜂群采蜜行为的猴群算法。该算法在改进的猴群算法基础上，引入蜂群算法的采蜜行为，利用蜂群搜寻机制对所有区域进行搜索后，再将初步遴选出来的猴子进行猴群算法的基本搜索，改善了算法的搜索性能。
　　(5)用8个测试函数及常用算法分别对上述3种改进后的算法进行测试分析，结果表明，改进后的猴群算法求解精度和收敛速度都得到了提高，算法性能改善明显。
　　(6)建立了糊底机涂胶机构算例的有限元模型，通过上述3种改进后的算法对其进行传感器的优化布置方案选择，并对它们的特点进行了横向对比。