近年来,无线通信技术得到了长足的发展。随着物联网（Io T,Internet of Things）等业务不断涌现,传统通信基础设施的一系列弊端（如部署成本高、位置固定等）开始展现出来,而无人机（UAV,Unmanned Aerial Vehicle）因其性价比高、灵活性强、易部署、易操作、覆盖范围广等优势,广泛应用到了各个领域中。一方面,因为无人机处于较高的飞行高度,更容易与地面设备间建立视距（Line-of-Sight,Lo S）信道,从而提高信息传输速率、降低信息传输时延;另一方面,无人机的移动性,使得网络部署更加灵活,可以根据实际需求为人们提供更便捷的网络服务。面对更加复杂且多样化的通信环境,无人机在现实中的应用依旧面临着巨大的挑战。首先,无人机的位置和飞行轨迹与时延、信息年龄（Ao I,Age of Information）、系统容量等密切相关,因此需要合理规划无人机路径。同时,在当前关于无人机路径规划问题的研究中,大多是针对单起点和单终点间的路径问题,没有考虑单起点到多目标点的路径规划问题。另外,由于无人机是能量受限系统,无人机在执行任务过程中会出现能量耗尽的情况,这将导致指定区域通信中断,影响系统生存时间。为保证无人机持续地提供服务,无线射频（RF,Radio Frequency）能量收集技术的出现,使得无人机能够从射频信号中补充能量,有效解决无人机能量补给问题。针对上述问题,本文提出了具有能量收集（EH,Energy Harvesting）的多目标无人机路径规划及调度策略,主要研究思路是:首先,设计了多目标无人机信息传输系统模型和能量收集的多目标无人机信息传输系统模型;其次,根据建立的系统模型提出了各自的传输协议,并推导出系统信息年龄的数学表达式;最后,通过MATLAB进行仿真对比实验。本文的主要贡献如下:一、本文研究了多目标的无人机路径规划。面向无人机执行单设备集下多目标点感知任务的场景,在满足无人机飞行高度的情况下,以信息年龄最小化为优化目标,研究无人机感知和传输过程,提出了多目标无人机感知次数与飞行路径联合优化算法（JST,Joint Optimization Algorithm of Sensing Times and Trajectory of MultiObjective UAV）,具体描述为:首先,构建了多目标无人机信息传输系统模型及传输协议,推导出系统信息年龄的数学表达式。其次,该问题的优化变量中既包含离散变量,又包含连续变量,难以直接求解,因此提出了多目标无人机感知次数与飞行路径联合优化算法。其中,对于无人机感知优化子问题,通过将目标函数进行转化,得到了感知次数与信息年龄的单调性关系,最终求得最优感知次数;对于无人机路径规划子问题,以传统人工势场算法为基础,提出多目标人工势场法,得到了无人机的飞行路径。最后,通过数学仿真,验证了算法的合理性和有效性。二、本文研究了能量收集的多目标无人机路径规划及调度策略。面向无人机执行多设备集任务时能量受限的场景,采用射频能量对无人机进行能量补充,保证无人机工作的可持续性和可靠性。同时,为了保证无人机能量接收时间和无人机工作间的平衡,以信息年龄最小化为优化目标,研究了无人机的飞行轨迹及调度策略,提出了基于深度Q网络（DQN,Deep Q Network）的多目标无人机感知传输调度算法（DQN-STS,Sensing-Transmission-Scheduling algorithm of Multi-Objective UAV Based on DQN）,具体描述为:首先,构建了能量收集的多目标无人机信息传输系统模型及传输协议,推导出系统信息年龄数学表达式。然后,由于无人机在能量受限情况下的多设备集路径规划问题可以简化为单设备集的无人机感知传输问题和无人机调度问题,因此提出了基于DQN的多目标无人机感知传输调度算法,将原问题分解为无人机感知传输子问题和无人机调度子问题。其中,无人机感知传输子问题可通过多目标无人机感知次数与飞行轨迹联合优化算法求解;对于无人机调度子问题,可通过马尔科夫决策过程（MDP,Markov Decision Process）将问题进行转化,通过DQN算法求得最优的调度策略。最后通过仿真,证明了算法的收敛性。