无人机(Unmanned Aerial Vehicle,UAV)具有低成本、高操作性、高移动性、对环境要求低等优势,被广泛应用在军事、民用等领域。无人机路径规划作为无人机系统的重要组成部分之一,尤其是针对多任务点场景的路径规划,备受关注。但是UAV携带能量有限,为了尽可能地节省UAV的能耗,当UAV针对一组地面节点完成任务时,需要为UAV规划节能的路径并保证完成任务,为了提高UAV完成任务的效率,使用多个UAV是合适的选择。因此,多UAV的节能路径规划,是一个值得研究的问题。本文针对多UAV对一组地面传感器节点采集数据的场景,进行多UAV的节能路径规划,目标是UAV系统的总能耗最小。记传感器节点为节点,当节点数目较少、分布不广泛时,一个UAV即可完成所有节点任务,此时的多UAV路径规划可认为不需要考虑UAV的能耗约束,现有研究没有考虑到UAV数目对能耗的影响,本文对遗传算法(Genetic Algorithm,GA)改进,提出动态择优保留率和复制与引入的概念,求解不考虑能耗约束的变UAV数目节能路径规划。当节点数目较多、分布广泛时,一个UAV不能保证完成所有节点任务,此时的多UAV路径规划需要考虑UAV的能耗约束,本文提出基于动态分区节点分配算法进行节点分配,利用改进遗传算法解决单UAV路径规划求解考虑能耗约束的多UAV节能路径规划。首先,本文以节能为目标对系统问题进行建模,目标函数为最小化UAV系统总能耗。然后,对目标函数进行分析、转换,并提出对遗传算法改进求解问题。由于遗传算法的随机性,导致算法具有收敛速度慢、容易进入局部最优等缺点,提出复制与引入的概念,既保证算法的优良个体的遗传,又保证种群的多样性,并提出动态择优保留率的概念,根据个体的不同合理保留交叉变异后的新个体,本文对遗传算法的改进不仅提高算法的局部搜索能力,还提高算法的全局搜索能力;同时求解最优UAV数目,保证在该UAV数目下UAV系统总能耗最小。由于遗传算法及相关改进算法,在考虑能耗约束问题时,算法的收敛速度和收敛精度无法得到满意的结果,因此本文提出基于动态分区的节点分配算法,对本文场景下的节点进行分配,该分配算法将保证UAV之间的路径不存在交叉现象,避免了路径交叉带来的能耗增大问题,利用分配结果对单个UAV使用改进遗传算法求解路径规划,得到最优解。最后,将本文算法进行仿真分析,并与现有算法进行对比,结果表明,本文算法不仅具有更快的收敛速度,并且具有更小的UAV系统总能耗,达到节能的目的。