无线传感器网络（Wireless Sensor Network,WSN）在环境监测、国防、智慧城市等领域发挥了巨大作用。在WSN的各种应用中,节点定位和网络覆盖是最为重要和基础的两项技术。其中,基于距离向量的定位算法（Distance Vector-Hop,DV-Hop）及由静态节点和移动节点构成的混合WSN区域覆盖技术都有着成本低、部署灵活以及扩展性强等优点,因此使用极为广泛。但DV-Hop算法的节点定位误差较大,混合WSN覆盖中的区域覆盖率也有待提高,尽管传统的仿生算法在这两者的改进当中取得了一定成效,然而结果仍不尽如人意,并且在实际应用中,定位精度和区域覆盖率互相影响,却少有研究将两者整合起来进行讨论。对此,本文选取了麻雀搜索算法和樽海鞘算法这两种新颖的仿生算法,分别对DV-Hop定位算法和混合WSN区域覆盖展开了研究工作,具体内容和成果如下:（1）针对DV-Hop算法定位误差大的问题,提出了一种基于改进麻雀搜索算法优化的DV-Hop定位算法。本文首先采用双通信半径算法和偏离修正因子细化了节点间的最小跳数。然后,为了降低锚节点和未知节点平均跳距的计算误差,则分别利用最小均方差准则和归一化加权因子作出了修正。最后,采用了麻雀搜索算法估算未知节点的位置,并引入佳点集和Levy飞行等策略增强了原始算法种群的遍历性和寻优能力,进一步提高了定位精度。（2）针对混合WSN对部署区域覆盖率不高的问题,提出了一种基于改进樽海鞘算法的区域覆盖优化算法。首先为了提升原始樽海鞘算法的性能,在领导者和追随者位置更新中分别引入了非线性收敛因子和非均匀高斯变异算子,并结合贪婪选择策略提升了算法对适应度函数的寻优能力,进一步提高了区域覆盖率。同时,为了减少移动节点的总移动距离,利用匈牙利匹配算法对节点的初始位置和目标位置进行了最优匹配。最后,通过仿真对比实验验证了本章算法性能的优越性。（3）针对成果（1）中锚节点数量过多的问题,利用移动节点的移动能力,提出了一种基于单一锚节点H曲线移动路径规划的DV-Hop定位算法,从而降低了成本和网络能耗。同时,在成果（2）的基础上,采用Delaunay区域划分策略找出网络空洞较大的位置,并将其重心作为改进樽海鞘算法中种群的初始解,减少了原算法的迭代次数,进一步提高了区域覆盖率。最后结合以上改进的定位和覆盖算法,提出了一种移动节点二次部署策略,使得网络的定位和覆盖状况更符合实际情况。