무인 항공기(UAV) 기술의 발전으로 멀티 로터 드론과 같은 UAV는 무선 센서 네트워크에서 널리 활용되고 있습니다. 여러 UAV가 협력하여 현장에서 센서 데이터를 수집하는 시나리오에서는 이러한 UAV에 대한 정확한 에너지 소비 모델을 통합한 경로 계획 모델을 구축하는 것이 필수적입니다. 멀티 로터 드론의 전력 소비는 비행 상태에 따라 달라집니다. UAV가 다양한 위치를 이동할 때, 정상 비행에 필요한 전력뿐만 아니라 가속, 감속, 상승 및 선회에 필요한 전력도 고려해야 합니다. 본 논문에서는 다중 에너지 소비를 고려한 다중 UAV 경로 계획(MUAVPP-MEC)이라는 다중 UAV 경로 계획 모델을 제시합니다. 도출된 솔루션은 UAV 비행 에너지 소비가 최대 저장 에너지를 초과해서는 안 된다는 제약 조건을 준수하여 모든 UAV 경로에서 총 비행 시간을 최소화하는 것을 목표로 합니다. MUAVPP-MEC 문제를 해결하기 위해 본 연구에서는 벌 채집 학습 입자 군집 최적화 알고리즘(IBFLPSO)을 제안합니다. 이 알고리즘은 벌 채집 알고리즘을 입자 군집 최적화 프레임워크에 통합합니다. IBFLPSO는 효율적인 실수 인코딩 및 탐욕적 분할 시퀀스 디코딩 전략을 통해 문제의 해 공간을 알고리즘의 탐색 공간으로 변환합니다. 알고리즘의 최적화 성능을 향상시키기 위해 IBFLPSO는 에너지 제약 2-opt를 지역 탐색 연산자로 사용합니다. 실험 1에서는 제안된 모델과 알고리즘을 세 가지 개별 사례 연구를 통해 검증하여 방법론의 안정성과 효율성을 입증했습니다. 수집 지점 수가 증가함에 따라 모델의 총 순항 시간과 에너지 소비량이 크게 증가하는 것이 명확하게 관찰되어 모델의 정확성을 확인했습니다. 실험 2에서 다른 네 가지 알고리즘과 비교했을 때 IBFLPSO는 최적 및 평균 해 모두에서 다른 알고리즘보다 우수한 성능을 보였습니다. 구체적으로 IBFLPSO의 최적해는 기존 PSO 알고리즘, PSO-2OPT 알고리즘, GA, BFLPSO보다 각각 54.64%, 49.45%, 25.78%, 22.92% 더 우수합니다.