无线射频识别技术以及无线能量传输技术在对象识别及跟踪方向上已有广泛应用,例如,零售产品管理,智能仓库应用及工业监测等。在实际应用中,由于阅读器功率半径能量及无线可充电传感器网络能量的有限性,无线技术的应用代价是十分昂贵的。因此,无线射频网络规划问题与可充电网络寿命优化问题已经成为了当前研究的主要问题。无线射频网络规划问题主要研究如何确定阅读器的数量及位置去优化系统的性能。可充电网络寿命最大化问题主要分为一对多充电模型和非相交全覆盖集合充电模型两个方向。现有研究都是基于传统算法,计算复杂度较高,难以确定网络中阅读器及充电位置数量,仅适用于小规模问题。本文从实际应用出发,针对网络规划与寿命时长最大化模型中搜索空间较大,优化效率较低且网络中阅读器及充电位置数量难以确定等问题,提出基于进化计算的算法不断优化,得到合理方案。主要工作总结如下:（1）提出了一种基于混合粒子群算法的无线射频识别网络规划方法。首先,通过模拟粒子群运动构建无线射频网络系统模型,使用K-means算法自适应确定网络中阅读器的数量,并获得每个阅读器的初始位置及功率半径作为一个粒子,重复多次获得种群。其次,设置粒子群算法参数去评价种群中粒子的各项性能并以分层的方式更新性能。最后,在粒子群算法框架的更新过程中通过引入虚拟力算子,对每个粒子中的阅读器位置进行调整。实验结果表明,基于网络规划问题提出的混合粒子群算法可以有效确定阅读器数量及位置,使得RFID系统在干扰率、覆盖率、总功率与负载均衡度性能上优于其他算法。（2）提出了一种基于动态多智能体遗传算法的无线传感器网络充电方法。把移动的阅读器为网络中的传感器节点进行充电看作无线射频识别网络规划问题的应用。首先,模拟每个智能体为一个候选解,其可以与邻居竞争,合作并共享知识。其次,在进化过程中引入虚拟力算子,吸引阅读器朝着K-means算法获得的节点聚类中心方向移动。最后,设计了一个特殊的交叉算子来动态调整网络中阅读器器充电位置的数量。实验结果表明,该算法可以更有效地优化总充电时间、最大充电负载、充电效率及总充电距离。（3）提出了一种基于非相交覆盖模式下两阶段遗传算法的无线传感器网络寿命最大化方法。通过随机部署传感器位置以及合理调度传感器节点工作时间去最大化传感器网络寿命。首先,选择相交覆盖集模型去进行优化,并利用局部搜索策略确定最优全覆盖集合。局部搜索策略分为全覆盖集合搜索策略和冗余覆盖集合搜索策略两个部分。其次,提出两阶段遗传算法去最大化网络寿命。第一阶段以传感器节点在全覆盖集合中均匀分布程度为目标函数,调整传感器部署位置。第二阶段以最大化无线传感器网络寿命为目标函数,合理调度全覆盖集工作时长。实验结果表明,该算法可以充分利用传感器能量,有效地最大化无线传感器网络寿命时长。