近年来,由于硬件技术的发展,硬件成本逐渐降低,具有低功耗、自组织、可靠性、分布式的无线传感器网络WSN(Wireless Sensor Network)获得了人们的广泛关注。在无线传感器网络中,传感器节点随机的分布在检测区域,自组织的形成网络,对所在区域进行实时监控,并将收集到的信息发送给相应的观察者。到目前为止,基于无线传感器网络的应用涉及到实际应用的方方面面,诸如安全监控、目标追踪、指令检测和环境监控等。自从上世界九十年代开始,无人驾驶飞机UAV(Unmanned Aerial Vehicle)也获得以美国为首的许多国家的关注,并获得了较快的发展。与传统的有人驾驶飞机相比,无人机具有规模较小、操作灵活、价格便宜、可持续续航等特点,能够更好的适应于军事侦查、环境监测、人员搜救等领域。由于UAV的可移动性和可持续续航的特点,因此,将UAV应用于WSN不仅能够简化网络的设计,还可以降低由于传感器结点之间通信所造成的能量消耗,从而延长网络的生存时间。随着任务量增长、任务类型的复杂化和工作区域增大等因素,基于单个UAV不能及时有效的完成任务,multi-UAV便开始获得人们的广泛关注。multi-UAV相对于单UAV而言,UAV之间具有更好的协作性,能够通过相互协作共同完成任务。但是,另一方面,由于系统中存在多个UAV,UAV之间可以并行工作,UAV之间的并行性可能导致相互之间的碰撞,以及UAV之间任务的分配是较为复杂的。在以往的研究中,主要关注UAV路径规划、如何避免与障碍物的碰撞、对特定目标的攻击等,而多个UAV之间负载均衡的问题却少有考虑。因此,本文主要考虑的是如何使用多个UAV完成传感器节点的信息采集。本文在k-means聚类算法的基础上,提出了一种新的算法,在总体任务量一定的情况下,保证多个UAV之间负载分配尽可能均衡的同时,调用蚁群算法来最小化无人机的飞行距离。实验过程中,采用Matlab作为仿真工具,对提出的问题进行建模,然后使用改进算法进行负载的划分,最后与k-means聚类算法的划分结果进行对比,并根据对比结果来分析新算法的性能。