文献综述（或调研报告）：
詹成等人[1]考虑到能量的消耗问题，尤其是传感器节点和无人机间通信链路信道的一般衰落问题，优化了传感器节点的睡眠和唤醒机制，并对无人机航迹做了进一步的优化。在能量消耗、轨迹及唤醒时间等方面，作者将问题设计为混合整数非凸优化问题，通过应用连续凸优化技术，提出了一种有效的迭代算法来找到次优解。以最大程度降低所有节点的能量消耗。
Tazibt等人[2]提出了一种分簇算法，划定节点分别属于不同的簇，选定作为簇头的传感器，为了选定簇头，作者提出了使用参数跳数，来表示传感器和簇头之间允许的最大跳数，其目标是部署最小数量的簇头，使得每一个传感器有一个簇头对应，其中从传感器到簇头的最小跳数的距离，小于等于跳数。在上述背景下，为了计算传感器与簇头之间的跳数距离，引出了最短路径策略，作者将其应用于由传感器连接状态得出的无向图，最终得到集群头部的优化集合。同时作者建立了无线传感器能耗模型， 并使用2-opt算法启发式算法来计算路径，通过不断地迭代寻找改进方案。
Gong等人[3]主要解决无人机飞行时间最小化的问题，通过采用动态规划方法确定区间的最佳划分，研究背景是在一维网络中。对于无人机的飞行时间最小化问题，作者将其分解为三个子问题解决，分别为功率分配问题、无人机飞行速度问题和传输分为的优化问题，而在多传感器情况下，每个传感器的数据收集相互影响，为了处理传感器间的关联性，采用动态规划的方法来解决多传感器飞行时间最小化问题。该研究目前有待于向二维空间进行拓展。
Mahadi Ben Ghorbel等人[4]提出了一种节能方案，目的是节省无人机和传感器的能量，确保有效收集数据并最大程度地降低无人机能耗。作者考虑了传感器与无人机之间的通信数据与无人机飞行消耗的总能量，提出了一个联合优化问题，以此来确定无人机的停靠点位置，因为问题的非凸性，作者提出了次优解的解决方案，对信道和飞行功耗建模，建立问题模型，求解获得停靠点，无人机轨迹的子问题可以化为对称TSP问题，最后使用启发式算法找到理想飞行路径。经仿真检验证明，作者提议的J-TSP-CL算法相比于TSP-N算法，在能量消耗问题上，得到了改善。
如图1所示，在无人机与无线传感网络设备通信方式背景下，Albu-Salih等人[5]主要研究了多个无人机在无线传感器网络中进行数据收集的方法，相比于Mahadi Ben Ghorbel等人的研究，Albu-Salih等人的研究是在基于截止日期的背景下展开。作者提出了一个新的框架，在WSN和多个UAV的最后期限内提高数据收集的效率，在文中提出了集群簇头划分与无人机数量控制等方案，并将其转化为MILP模型进行归一化处理，最终通过添加一些权重数据，来到了符合能量约束与期限限制下的最佳无人机航迹。
图1无人机与无线传感器网络设备通信
Gicheol Wang 等人[6]提出了一种新的无人机辅助的簇头选举框架，而非单纯的LEACH（低能耗自适应聚类层次结构）进行簇头选举，在LEACH中簇头的选举权由簇头的获胜概率决定，而在作者提出的无人机辅助的簇头选举框架中，无人机可以决定哪些节点作为簇头，哪些节点不能作为簇头，并将LEACH应用于无人机辅助的簇头选举框架。与普通簇头选举相比，作者提出的框架能耗更小。关于安全性与性能，有待于进一步的应用模型以检验。
在2016年，Sotheara Say等人[7]提出了一种新型数据采集框架，旨在提高采集效率。其新则新在，作者考虑到传感网络中优先级的存在，做出了以下的工作，提出基于优先级的优化帧选择（POFS）、基于优先级的竞争窗口调整方案（PCWAS）和基于帧选择的路由协议（FSRP），这三部分，是之前无人机在无线传感网络中没有考虑到的领域， 此时，无人机在前行时，在紧急区域的传感器就有着更高优先级来传输其数据。此研究提高了网络性能，而且对于能量有了进一步的优化。
考虑到各种因素的影响，无人机轨迹规划有着不同的评判标准。刘娟等人[8]提出了新鲜度这样一个新的重要指标，定义了两种不同的评判尺度，分别为传感器节点的最大信息年龄和平均信息年龄。其中，最大信息年龄最佳轨迹规划是以减少节点间“年龄”最大的感知信息，平均信息年龄轨迹规划则是使所有节点的平均信息年龄最小化。作者使用动态规划和遗传算法这两种方法，对两种评判尺度下的情况进行了仿真与模拟。不过，此研究背景为无人机从节点收集信息，单纯从信息年龄角度出发。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
