随着物联网的快速发展,无线传感器网络在近些年来已经引起了广泛关注。扫描覆盖是无线传感器网络中覆盖问题的一个主要研究分支。在扫描覆盖中,具有移动能力的传感器节点会周期性地访问目标区域中的兴趣点（Point Of Interest,POI）。数据收集问题和能量限制问题是扫描覆盖中研究较多的两个问题,但是现有相关研究还有不足之处,主要体现在:对于数据收集问题,现有研究未考虑到传感器数量不足的情况,为了最大化移动传感器收集数据量,传感器需要在每个周期选择合适的POI收集数据;对于能量限制问题,现有研究未考虑移动传感器在不同路段单位能耗不同的情况。因此,本课题将进一步研究扫描覆盖任务中数据收集问题与能量限制问题。针对扫描覆盖任务中的数据收集问题,本文研究了在给定传感器数量情况下最大化移动传感器从POI收集到的数据量问题。同时,考虑数据时效性因素,分别讨论了移动传感器是否需要及时返回基站这两种情况,并构建了相应的MSDRSC和MSDSC问题模型。在MSDSC问题中,提出了 GD-MSDSC和MST-MSDSC两个启发式算法。仿真实验表明两个新算法相较已有的算法数据收集效率更高,其中MST-MSDSC算法效果最好但GD-MSDSC算法的时间复杂度更低。在MSDRSC问题中,提出了启发式算法MSTS,MSTS算法基于先得到最小生成树再生成环形路径的思想,并利用多次返回的策略合并扫描路径,从而在实验中比其他的扫描覆盖算法能够以相同数量的移动传感器收集更多的数据。针对扫描覆盖任务中的能量限制问题,在考虑了移动传感器在不同路段单位能耗不同的情况后,本文提出了一般性能量限制条件下的扫描覆盖问题（GERSC）。为了解决GERSC问题,随后提出了具有常数级近似比的IERSC算法,基于合成权重函数w,IERSC算法首先会生成一个最小生成森林,每个连通分量会生成相应的环形路径,最后通过统一的传感器部署方案将移动传感器部署在每条环形路径上。经过理论分析,IERSC算法的近似比被证明为β[3α/min（θ,1-θ）+1],其中θ是预定义参数,当θ=1/2时,算法具有最佳近似比（6α+1）β。仿真实验表明,IERSC算法在GERSC问题中只需要最少数量的移动传感器,并且移动传感器的平均能耗是最低的。