无线传感器网络数据收集技术是目前研究的热点,它是通过大量传感器节点对某个区域进行监测,并将数据传送到一个远程基站进行处理。在传统网络中,节点被部署后静止不动,并通过多跳的传输方式向sink发送数据。在这种数据收集模式下,靠近汇聚节点(sink)的节点相比网络中的其他传感器节点而言需要转发更多的数据,形成网络热区,从而使这些节点的能量急速下降。为了使网络能量消耗更均衡,利用移动节点进行数据收集成为近年来的研究热点。然而在很多网络规模较大的实际应用中,移动节点由于受到自身容量与空间的限制,需要在一定的时延范围内将采集到的数据发送到sink进行处理,否则这些数据信息将毫无意义。因此,本文在满足网络能耗和数据收集延迟的基础上对移动节点的最优路径问题展开研究。针对移动节点在数据收集过程中的停留位置问题,为了均衡网络的节点能耗与数据收集时延两者之间的关系,本文提出了一种基于危险场景下的无线传感网移动数据收集算法。该算法首先结合最优化理论将最小化移动节点路径问题转化为整数线性规划模型,通过选取数据汇集点、构造数据收集树,并且对收集树执行优化操作,使收集树根节点负载更加均衡,从而延长网络生命周期,并且根据汇集点选取移动节点数据收集过程中的停靠节点,在sink与停靠节点之间形成一条回路,从而有效缩短数据收集延迟。同时将蚁群算法运用于解决停靠节点之间的TSP问题上。首先介绍了蚁群算法的基本原理和算法模型,针对蚁群算法在获取全局最优解方面的不足提出了优化的蚁群路径规划算法,在算法的参数设置问题上引入混沌理论对蚁群算法的参数进行自适应调整,在算法的信息素更新规则方面引入一个动态因子,使算法在每次迭代中能自适应地控制最优路径上信息素浓度的更新比重。最后通过仿真对比及分析,验证了改进的蚁群算法能有效提高蚂蚁的全局搜索能力,缩短移动节点数据收集路径,并且满足危险场景下的无线传感网数据收集要求。