数据收集是无线传感器网络(Wireless Sensor Networks,WSNs)的核心任务,收集和传输数据均会消耗传感器节点的能量,由于传感器节点的电池容量有限,传感器节点最终会因能量不足而死亡,影响数据收集。传统的节能以及能量收集方法的局限性较大,而新兴的无线充电技术为解决无线传感器网络的能量短缺问题提供了新的解决方案。在WSNs中部署装备有无线能量接收装置的传感器节点与移动设备,从而构成无线可充电传感器网络。如何规划移动设备的移动路径以提高移动设备的能量效用和实现高效率的充电和数据收集,保证网络的持续运行是WSNs研究中的热点问题。针对传感器节点分布稀疏的场景,移动设备采用一对一的方式对传感器节点进行充电和收集数据,在收集传感器节点的数据的同时,为其进行充电。综合考虑了充电和数据收集对移动设备路径规划的影响,在保证传感器网络持续运行的前提下,以最大化移动设备的能量效用为目标,建立了周期性的移动设备路径规划问题。证明了最优目标需在周期时间最大时获得,同时证明了该问题属于NP-Complete问题。针对该问题,设计了多种群离散烟花算法(MFWA)进行求解。实验结果表明MFWA算法在收敛速度、稳定性以及适应性方面均优于DFWA算法,并且本文提出的一对一周期性充电和数据收集规划方案能够有效提高移动设备的能量效用,保证网络的持续运行。针对网络中部分区域的传感器节点比较密集的场景,将网络划分为多个区域,移动设备采用一对多的方式对传感器节点进行充电和数据收集。分析了充电时间和数据收集时间与周期时间的关系,给出了移动设备在每个小区内驻留时间的计算方法,同样在保证传感器网络持续运行的前提下,以最大化移动设备的能量效用为目标,构造出周期性的移动设备路径规划问题。设计了基于种群熵的离散烟花算法(PE-FWA)对该问题进行求解,并给出了最佳的解决方案。在此基础上,根据小区内传感器节点的分布情况,提出了一种驻留锚点的调整优化策略,进一步提高了移动设备的能量效用。实验结果表明,PE-FWA算法得到的结果优于DFWA算法以及MDSA算法,并且在收敛性和目标值的分布情况上均优于DFWA算法,同时通过种群熵变化的对比,表明PE-FWA算法能更好地均衡种群的择优性和多样性。