传感器网络依靠分布于感知场景中的众多感知节点，通过数据链路将感知信息传送给服务器，通过数据融合，表达等手段，服务于用户。其在交通管理、安全监控、农业生产、虚拟现实等领域有着广泛的应用。在传感器网络的诸多关键问题中，优化计算都扮演着极其重要的角色。对于网络架设初期的节点部署和运行阶段的目标定位，优化算法在其中对于网络感知质量和求解速度都起着至关重要的作用。针对这两大问题，本文做出了如下几项旨在提高感知质量和优化效率的工作：1.本文首先着眼于视觉传感器网络，以提高对场景信息获取能力为目的，设计了基于多智能体遗传算法的节点布局算法。由于视频传感器具有视场有限且易被遮挡的特点，随机部署的视频网络节点无法解决上述问题。针对该问题，我首先分析了视频传感器的成像特点，建立了各向异性有限观测场感知模型。该模型可以定性地描述视频传感器的信息感知特性。以此模型为度量标准，提出了基于多智能体遗传计算(MAGA)的节点布局算法，优化视频网络节点部署。该方法首先将给定数目的节点布局的坐标以一定规则编码，输入到MAGA策略中进行优化，以最优化观测质量分布为目标，求解数量一定的视频节点的布局。该方法可有效求解出各节点空间位置及姿态，提高观测场覆盖率，保障区域信息获取能力。2.在第一部分工作的基础上，我们进一步提出了基于稀疏表示的高效节点布局与调度优化算法，并设计了基于物理成像过程的视觉传感器感知模型。节点部署是影响传感器网络服务质量的关键因素。部署问题旨在采用最少的视觉传感器使整个观测区域达到期望的观测质量。部署问题一般被建模为非凸的优化问题，我们提出了一个高效的基于稀疏表示的节点部署凸优化算法。同时，我们设计了一种新的视觉传感器各向异性感知模型，该模型可提供更为合理的观测质量度量以使部署结果更贴近实际需求。该方法将节点部署建模为从一个高度冗余的初始分布中选取最优子集的问题，即优化问题。进而，基于稀疏表示理论，我们将的非凸优化问题松弛为一个最小化的凸优化问题。因此，节点部署问题可以通过凸优化高效求解。有效保障观测质量和节约使用成本。3.随后，针对目标定位，这一传感器网络中的关键应用，我们提出了基于一类特殊线性组合，即凸组合，的快速高精度定位算法。我们分别设计了可以处理距离测量信息和角度测量信息的定位算法。目标定位通常被建模为一个优化问题以处理含噪测量带来的影响。然而，由于原始目标函数为非凸函数，致使问题很难求解。本文利用线性表示思想建立了目标定位的凸目标函数。在该方法中，目标的坐标被表示为在其周围的一组虚靶点的坐标的线性组合。该线性组合计算可以为目标点与靶点之间的距离/角度等非线性计算提供一个高精度的线性近似。因此，目标定位问题就转化为寻找虚靶点最优组合系数的凸优化问题，并可通过线性最小二乘算法高效求解。