针对标准阿基米德优化算法（AOA）在求解优化问题时存在全局探索能力弱、收敛速度慢和求解精度低等问题，提出一种多策略阿基米德优化算法（MSAOA）。首先，利用变区间初始化策略，使得初始种群尽可能地靠近全局最优解，从而提高初始解的质量；其次，提出黄金莱维引导机制，以提高算法在迭代后期的种群多样性；最后，在维持种群多样性的前提下，引入自适应波长算子，以达到提高算法搜索效率的目的。将所提算法与均衡器算法（EO）、正余弦算法（SCA）以及灰狼优化算法（GWO）在20个基准测试函数上进行比较实验。实验结果表明，所提算法具有更高的寻优精度和收敛速度，并将所提算法应用于4个机械设计实例中，再次验证了所提算法的有效性和优越性。

为了提高无线传感器网络（WSN）的性能，提出了一种基于改进正弦余弦算法（ESCA）的节点部署优化方法。首先，引入双曲正弦调节因子和动态余弦波权重系数，以平衡算法的全局探索与局部开发能力；然后，提出了一种基于拉普拉斯和高斯分布的变异策略，避免算法陷入局部最优。对于基准函数的优化实验结果表明，ESCA相比引力搜索算法、鲸鱼优化算法、基本正弦余弦算法（SCA）及其改进算法具有更高的收敛精度和收敛速度。最后，将ESCA应用于WSN节点部署优化，结果表明其优化覆盖率相比改进粒子群优化算法、外推人工蜂群算法、改进灰狼优化算法和自适应混沌量子粒子群算法分别提高了1.55个百分点、7.72个百分点、2.99个百分点和7.63个百分点，用更少节点便可达到相同目标精度。

为解决无线传感网络（WSN）节点能量限制和广播路由的能耗问题，提出一种基于改进离散果蝇优化算法（DFOA）的WSN广播路由算法。首先，将交换子和交换序引入到果蝇优化算法（FOA）中，得到DFOA，拓展FOA的应用领域；然后，利用莱维（Lévy）飞行对果蝇随机探索的步长进行控制，增加DFOA的样本多样性，并用轮盘赌选择对种群的位置更新策略进行改进，避免算法陷入局部最优；最后利用改进DFOA对WSN路由能耗寻优，找到能耗最小的广播路径。仿真结果表明，改进DFOA获得的广播能耗更低，在不同的网络规模下，均优于对比算法（原DFOA、模拟退火遗传算法（SA-GA）、蚁群优化（ACO）算法和粒子群优化（PSO）算法）。改进DFOA能增加种群多样性，增强跳出局部最优的能力，提高网络性能。