近些年来,无线传感器网络在国防军事、智能交通、环境监测等领域具有广泛的应用。随着无线充电技术的成熟,无线可充电传感器网络（WRSN）已逐步取代原始网络结构,通过引入充电设备和设计充电策略以延长网络寿命。因此,对该网络设计出合理的充电策略以及有效利用充电设备能量成为了当前的研究热点。现有工作大多采用移动充电设备（MC）对网络内的无线传感器进行充电,但所提出的充电策略往往没有考虑因能量异构所导致的WRSN实时能耗问题,从而无法满足部分传感器的充电请求,这将严重影响WRSN的生命周期和MC的能量利用率。为了解决上述问题,本文在传统的充电规划问题基础上,进一步考虑了多个影响充电效率的因素,包括多周期充电需求、传感器实时能耗限制、立体空间路径规划。具体地,本文引入充电无人机（CUAV）代替陆地行驶的MC,证明了在新约束条件下充电路径优化问题的难解性,并设计了以下三种新的充电路径优化算法:对于多周期充电问题,本文提出了能耗筛选机制和优先度排序机制,并设计了基于NSGA-II的多目标优化算法（MOCP）。能耗筛选机制可以选出每轮充电周期内的有效节点并进行编码以便后续排序。优先度排序机制以充电效率最大化与传感器节点死亡比例最小化为两项优化目标,计算节点的优先度并重组个体以提供更优的求解角度。得益于上述两种机制,该算法能够在提供单轮周期内的充电路径时尽量避免陷入局部最优解,并在每轮充电任务开始前从非劣解集中选择最优解作为该轮周期的最终充电路径。实验结果表明所提算法可以有效减少传感器节点的死亡比例,从而延长了WRSN的工作寿命。为进一步提高计算效率,本文提出一种利用注意力机制的充电路径优化在线算法（AMCO）。该算法能够将能耗约束和时间约束融入到多目标优化算法中,使其可以根据网络环境的变化动态调整与充电状态有关的权重系数,筛选出每轮充电周期中有效的传感器集合。该算法还可以根据剩余电量的大小动态调整CUAV对无线传感器的充电频次。实验结果表明AMCO算法可以在不同网络规模下显著降低传感器节点的死亡比例并保证移动充电设备的充电效率。不同于前两种CUAV维持在固定高度下的充电路径优化算法,本文进一步分析了立体空间路径规划对充电效率的影响,建立了“单一源对多接收单元”的无线能量传输模型,并提出了动态时空充电路径优化算法（DSSRP）。在AMCO算法的基础上,该算法能够使用最小节点集合覆盖和最小圆覆盖机制来持续优化CUAV在立体空间中的悬停位置,选择出满足充电能耗约束的最优子集解,使其在合理的充电高度下尽可能减少对传感器节点充电时的能量传输损耗。对比实验证明所提算法能够进一步提高WRSN的鲁棒性与节点平均剩余电量。