为解决室内空气质量监测当中污染性气体众多、浓度分布不均，单一传感器无法有效监测而且室内障碍物会对传感器部署位置造成影响的问题。采用改进的北方苍鹰优化算法（Improved Northern Goshawk Optimization, INGO）对障碍下异构传感器进行部署研究。首先，采用SPM混沌映射对种群进行初始化解决原始北方苍鹰算法初始化种群多样性不高，覆盖率低、冗余度高的问题；其次，使用非线性步长权重改进Lévy飞行策略对种群位置进行更新；最后，融合柯西变异和反向学习解决算法后期种群易陷入局部最优的问题。结果表明，所提出的优化算法在无障碍和障碍环境下覆盖率分别达到了94.2%和93%，而且相比其它学者在无障碍环境下提出的算法，覆盖率分别提高了0.8%，1.2%，2.8%，7.1%。所以，INGO算法能够对室内障碍环境下空气质量监测传感器进行最优部署，并且也可将其用于地下煤炭巷道等复杂环境下传感器部署，以保护人们身心健康与生命安全。