无人机的路径规划具体定义为在满足其动态约束以及某种性能指标的情况下,计算搜寻从无人机起始位置到终止位置的最优或者次优的可执行飞行轨迹。路径规划作为无人机任务规划系统的关键性技术,一直以来都是各国无人机领域专家的重点研究问题之一。由于在实际环境中,无人机飞行环境十分复杂,并且所需满足约束条件较多,路径规划的效果不仅仅取决于算法的优劣还和解决问题策略有关,因此如何对环境进行精准建模以及选择合适高效的规划算法是解决无人机路径规划技术的关键要素。本文在粒子群算法和模拟退火算法以及人工鱼群算法的基础上,针对三维环境下无人机路径规划问题展开研究,所取得的成果包括以下几个方面:(1)建立了无人机路径规划相关问题数学模型。首先对无人机路径规划建模方法、无人机机动性能约束、无人机飞行威胁类别约束进行研究与分析,并完成了等效三维数字地图的建立。其中数学建模重点完成无人机飞行三维数字地图的构建,将飞行环境中的基准地形、山峰和一些威胁环境信息进行综合,形成了一个模拟真实环境的三维数学模型。为后续群体智能算法进行静态、动态路径规划做好铺垫。(2)全局静态路径规划研究。在静态情况下,针对粒子群算法极易陷入局部极值点的缺陷,本文提出了 PSO-SA算法,采用模拟退火突跳概率策略对粒子状态更新方式进行了改进,经MATLAB仿真实验证明该算法能够增大路径全局搜索能力,降低路径规划时间,从而实现静态路径最优。(3)动态在线路径规划研究。在动态情况下,为解决无人机在飞行过程中遇到突发情况及时做出路线调整,本文提出了 PSO-AFSA算法,结合人工鱼群算法的觅食、追尾、聚群以及随机游动行为,将人工鱼群寻优策略引入到粒子群算法中,通过人工鱼群的行为评价策略选择粒子的行为方式,通过公告牌不断更新粒子的全局极值,经MATLAB仿真实验证明该算法可以有效克服粒子群早熟现象,具有较快的收敛速度,并且在三维动态环境下可以快速规划出精简安全的无人机路径。