近年来,无人机辅助物联网中数据收集的方法被广泛应用,相比于传统的静态数据收集方法,无人机辅助数据收集的方法克服了地表交通的局限性,可以减少物联网传感节点的能耗,延长物联网设备的使用寿命等优点。但无人机辅助数据收集仍然面临一些关键问题亟待解决,路径规划是无人机研究领域内的一个重要研究课题,针对不同类型的执行任务,建立不同的路径规划问题以提升无人机的服务能效、时延等方面的性能。无人机路径规划可以被划分为全局路径规划和局部路径规划来进行解决,先通过全局路径规划规划出一条全局较优路径,再通过局部路径规划对单目标节点进行导航搜索。本课题分为两个部分,第一部分主要对无人机的全局路径规划问题进行建模并求解,第二部分解决无人机的局部路径的单目标节点导航问题。具体研究内容为:（1）基于指针网络的无人机全局路径规划学习机制设计考虑到无人机自身的能量约束、节点收益等,本文基于定向问题建立无人机数据收集的全局路径规划问题模型,定向问题是顶点选择和确定选定顶点之间最短哈密尔顿路径的组合问题,优化目标是在任务周期内使得收集数据的总奖励最大,飞行距离小。本文使用指针网络加随机搜索策略对建立的定向问题模型进行求解,得到无人机服务节点的集合及其服务顺序,对比不同优化目标函数的规划效果,并设计贪婪奖励策略与指针网络加随机搜索策略的规划性能进行比较。（2）基于深度Q网络的无人机导航学习机制设计考虑到成本问题,无人机配置导航未必可行,且导航精确度受到地形、无线环境等影响。本文中根据无人机接收到的节点广播参考信号强度,对单目标节点进行导航搜索,考虑自由空间损耗和视距非视距损耗的信道模型,使用深度Q网络学习动作选择策略,通过不断地评估和更新网络参数来规划局部路径,逼近目标节点并对其进行服务,并验证不同信道模型下深度Q学习的学习性能。