物联网和无线传感器网络在现代化智能技术中发挥着至关重要的作用。物联网设备和应用程序用于处理从无线传感器设备中提取的数据并将其传输到远程位置。在这种应用场景中,需要将采集到的数据尽快交付到数据中心,以便进行在线数据分析和决策。无人机由于其具有机动性和灵活性,被广泛认为是一种有前途的辅助物联网设备采集数据的方法。一般来说,在动态数据收集过程中,没有部署足够的无人机来同时覆盖所有目标,所以无人机需要一个预先设定的飞行路径。本文主要针对无人机辅助物联网数据时的路径规划问题,在具有一定坐标的大量传感器节点区域内,采用无人机作为地面物联网设备的数据采集平台。在优化无人机部署的基础上,通过启发式算法对无人机飞行路径进行规划,提出了适用于无人机路径规划的模型和方法来最小化该系统的能源消耗。本文的主要研究内容如下:（1）无人机路径规划建模:通过建立无人机辅助物联网设备数据采集的系统模型,将收集数据过程中的网络模型和性能约束公式化,并通过改进的差分进化算法得出无人机停止点的位置和数量的部署,根据无人机路径规划模型与旅行商问题模型之间的映射,利用蚁群算法建立了合适的无人机路径规划模型,通过仿真实验证明了算法的可行性。（2）初始信息素的不等分配:为了使算法在初始阶段也具有较好的搜索性能,避免早期规划的盲目性搜索,本文首先利用贪婪算法在初始阶段找到一个次优路径,再通过最大-最小蚁群算法对次优路径和其他路径进行初始信息素的不等分配,减少较差路径被选择的概率,使算法在初始阶段就具有良好的搜索性能。（3）信息素平滑机制:为了减少算法陷入局部最优的可能性,通过比较两个相邻迭代的信息素矩阵的差分信息,来确定该算法是否接近停滞;随后引入了一种新的信息素平滑机制来缩小信息素浓度之间的差距,从而跳出局部最优,提高算法的全局搜索能力,并在一定程度上提高了停滞后期算法的寻优能力。为了验证改进后算法的有效性,与基本蚁群算法进行了仿真实验对比。仿真实验结果验证了改进算法的有效性。在最小化无人机辅助物联网数据采集时的能量消耗的基础上,实现了快速路径规划的目标。