在缺乏基礎設施的網絡環境中，無人機可被用來收集感測數據，並成為許多任務型導向應用的方法。然而，無人機配備有限的資料緩衝空間和電池容量，在此前提下，經由無人機協助的任務將不可避5免地受到資源利用以及成本效益的影響。在本論文中，我們針對一個在無人機輔助的無線感測網路中，闡述從目標興趣點（Points of Interest, PoIs）蒐集所有感測數據的任務時間最小化之問題。我們首先定義了無人機在飛行、等待和充電卸載三種狀態下電池電力消耗的成本和剩餘資料緩衝空間大小，接著將其表述為一個混合整數線性規劃（Mixed-Integer Linear Programming, MILP）的最佳化問題，當這個問題出現非決定性的多項式時間計算成本時，即所謂的NP-hard，我們提出套名為 Mission Time Optimization with Energy and Buffer Constraints for Multi-UAV Deployment（MEBD）的最佳化策略。其中，Weighted TSP（W-TSP）演算法旨在發現加權最短路徑以滿足各種數據延遲預算的要求，而 Non-Linear Least Squares based Recharging Route（NLLSR） 演算法則引入非線性最小平方法來改進無人機的部署，提高電池電力和資料緩衝空間的利用效率。經由模擬仿真的實驗結果，我們的MEBP 在總任務時間、電力耗損以及訊息遺失率優於Convex hull, RRT, RRT+, DTP, TSP, grid and AHTP-RL等其他方法。
本論文研究在多無人機輔助資料收集系統中顯示出電池電力使用的平衡及任務時間妥善分配的最佳化結果，後續的研究規劃將朝向整合本論文研究成果於新興的無線通訊系統，如Multi-Access Edge Computing（MEC）, Mobile Crowdsourcing and Space-Air-Ground Integrated Network（SAGIN）.
