无线传感器网络从最初的战争装备,到如今民用领域的多元化应用,历经半个多世纪的洗礼。在实际应用中,人们在处理网络中节点捕获的数据之前需要确定节点自身所处的位置。节点定位技术建立在算法研究基础上。由于受到网络成本、节点分布状态等因素的影响,传统静态节点定位算法取得较好的定位效果时所付出的代价也较高。移动信标节点定位从减少信标节点数量出发,可以在一定程度上解决静态节点定位面临的困境。值得注意的是,节点移动增加了算法设计的复杂性,需在前人工作的基础上对移动信标节点定位适用的算法做进一步研究。本文首先研究了静态节点定位算法,移动信标节点定位算法以及移动信标节点路径规划的基础理论。分析了信标节点移动对解决定位问题的优势以及现阶段群智能算法在解决节点定位问题中的作用。然后介绍了布谷鸟搜索算法,人工鱼群算法的行为特点和操作步骤,并将人工鱼群算法中的觅食行为以串行混合方式引入布谷鸟搜索算法中,加快算法的收敛速度。将多个移动信标节点对多个静止未知节点的定位问题作为论文研究的核心。将移动信标节点定位问题分为初步定位和精确定位两个阶段。初步定位阶段混合了RSSI信号接收强度测距法、极大似然估计法和DV-Hop算法。精确定位阶段即改进的布谷鸟搜索算法。先通过初步定位阶段求得未知节点坐标的粗略值,再代入精确定位阶段改进布谷鸟搜索算法中迭代求精。仿真验证阶段,论文分析了信标节点移动前后对未知节点的定位覆盖率与定位精度的影响,通过大量仿真实验分析了满足较高定位覆盖率情况下移动信标节点需求数量的最低值。其次,论文在多移动信标节点定位算法研究的基础上,结合“先选取虚拟信标节点,再进行路径规划”的研究思想,设计了单一移动信标节点路径规划算法。该算法先利用单一移动信标节点按照SCAN路径模型移动,通过多移动信标节点定位算法初步定位阶段粗略估算未知节点的坐标。然后在精确定位阶段计算需要遍历的虚拟信标节点位置,将移动信标节点路径规划问题转化为数学领域的TSP问题,最后利用蚁群算法优化节点移动路径。仿真结果表明,该算法在获得较高定位覆盖率的情况下使得信标节点移动距离较短。