无人机因其在特定情况下可替代人在危险环境下执行更复杂的任务,在军事与民生等诸多领域获得了广泛的应用。随着无人机使用范围的拓展,无人机自主飞行问题已成为近年来的研究重点。而实现无人机自主飞行、提升飞行安全性与稳定性的关键在于路径的选择,因此路径自动规划已成为无人机自主飞行问题研究的焦点。21世纪以来,基于仿生学原理的新兴群智能算法因其在解决无人机路径规划问题具有较好的航迹寻优能力获得了广泛的关注,其中的蚁群优化算法和粒子群优化算法作为两种最经典的算法,由于计算所需参数少、寻优功能强等优势,在无人机路径规划等应用领域中具有很大的潜在研究价值和重要研究意义。本文针对上述两种经典算法的不足分别进行了改进优化,能够快速为无人机规划出合理可行的飞行路径。本论文完成了以下研究工作:1)在无人机航迹路径规划问题中,三维环境建模、威胁建模、适应度函数建模以及约束条件建模是路径规划的基础。本文基于飞行环境和所采用算法的不同,建立了无人机三维环境模型、适应度函数模型以及无人机自身约束条件模型。2)针对采用蚁群优化算法易陷入局部极值和前期收敛速度慢的难题,提出了基于改进蚁群优化算法的无人机三维路径规划算法。该算法首先在启发函数中添加新的启发式信息,引入自适应路径引导因子,使蚂蚁在算法初期确定可行解的大致方向,减少蚂蚁对下一个路径选择的盲目性,从而减少算法前期的搜索时间;其次对信息素的更新规则进行改进,引入路径的综合性能指标,促使其跳出局部极值,从而提高路径的平滑性和安全性。3)针对采用粒子群优化算法易陷入局部极值和搜索效果不佳的问题,提出了基于改进PSO的无人机三维路径规划算法。该算法借助指数形式的惯性权重调整策略对惯性权重进行优化改进,使之可动态地调节粒子的局部搜寻能力和全局搜寻能力,促使算法跳出局部最优值,从而提高算法的搜索效果。4)最后,结合蚁群算法和粒子群算法的优缺点,提出了基于蚁群-粒子群的混合改进算法。该算法首先采用改进后的粒子群优化算法对航迹路径进行预搜索,然后蚁群优化算法的初始信息素浓度根据预搜索路径得长度进行合理分配,从而有利于提高蚁群优化算法的初期寻路能力,使之在三维环境中能更快速高效地规划出无人机的最优航迹路径。