路径规划是机器人研究领域中的重要问题之一。不同种类的机器人与不同类型的执行任务,会产生多种不同类型的路径规划问题。随着无线传感器网络(WSN)与无人机的发展,将二者结合起来的应用场景也越来越多,包括精确农业、救援搜索、野火监测等,同时也带来了大量相关的研究问题。在传统WSN中,Sink节点周围的传感器节点相比其它节点会在数据转发上花费更多的能量,这种数据采集方式很容易造成能量空洞问题。随着相关技术的进步,无人机越来越小型、智能、快速以及灵活,将其用于数据采集可以有效解决上述的能量空洞问题。然而受限于当今电池技术的发展,无人机可使用的能量受到了极大的限制。为了使无人机能更快更高效地完成任务,必须对其进行路径规划,减少其在飞行及数据采集上的能耗。本课题主要解决无人机数据采集的路径规划问题,即传感器节点的位置覆盖路径规划。针对该问题,我们建立了相关的系统模型、环境模型、无人机能耗模型。通过利用栅格法这种环境建模方法,将分布着传感器节点的监测区域离散化为若干网格,每个高度下的每个网格都代表了一个悬停点。无人机会在这些悬停点中选择若干个点作为数据采集点来完成数据采集任务。如何决定这些数据采集点的个数、位置、遍历顺序,使其组成的飞行路径在覆盖所有的传感器节点位置的同时所耗的能量最少,是本问题研究的重点。其中无人机能耗主要来源于飞行能耗、悬停能耗以及启停能耗。在本文中,该问题被划分为了两个子问题:(1)计算最优的数据采集区子集;(2)计算最优的飞行路径。针对第1个子问题,我们将其建模为加权集合覆盖问题,并利用了贪婪算法加以解决;而第2个子问题则是通过改进了现有的混合蛙跳算法来解决的。其中,第2个子问题以第1个子问题的解为基础进行求解。本文基于真实的无人机数据,将提出的算法与前沿的算法从不同角度进行了对比实验,如VD-PSO算法,TSP-GA算法等。针对真实无人机数据的获取方法,我们利用了大疆提供的SDK实现了无人机的自主飞行,并基于此进行了相关数据的测量。根据仿真实验结果,当传感器节点的数据量较少或节点的个数较多的情况下,本文提出的算法在能耗上相对其它算法都有着较好的表现。