随着微机电系统、无线通信、低功耗嵌入式和无线充电技术的飞速发展,无线可充电传感器网络技术正在逐渐成为许多领域的关键技术,如军事监控、环境监测、物流管理等。通常情况下,将节点的采集数据传输给基站有两种方式:传感器之间多跳传输和采用移动sink。因为采用移动sink方式的众多优点,因此基于该方式的数据收集正逐渐成为无线传感器网络的研究热点,而如何有效的设计数据收集算法规划移动sink的收集路径将在很大程度上影响着无线传感器网络的工作性能。针对移动sink方式收集数据的高延迟特性,本文提出了一种基于传感器节点数据效用的数据收集方法。本文首先建立移动sink在整个传感器网络中进行数据收集的模型。然后在传感器节点数据效用的基础上提出了启发式算法和在线算法。启发式算法根据停留点数据效用规划移动sink收集路径,而在线算法因为不能预先知道所有停留点的数据效用,所以根据停留点之间的距离来规划移动sink。因为启发式算法和在线算法应用场景的局限性,本文又在大规模无线传感器网络下提出了一种基于增强学习算法的移动sink数据收集策略,该策略将移动sink之前的停留点收集经验和当前所处的状态相结合,综合考虑当前环境下的局部最优和随机探索,使得移动sink在收集停留点数据的过程中不断学习周围环境并反馈调整收集路径,最终可以让移动sink回到基站时传输较高效用的数据。最后通过仿真实验模拟了本文提出的启发式算法、在线算法和增强学习算法,实验结果表明本文所提出的算法在特定的应用场景下都有着良好的性能。