近年来,无人机因其具有体积小、机动性强、便于携带多种传感器等优点,被广泛应用军用领域与民用领域。在这些应用领域中,无人机面对复杂的任务环境,能否顺利完成任务的关键在于规划一条航程短、环境威胁代价低、可飞行的路径。而要实现这个目标,无人机必须具备自主飞行能力,能够根据实时的环境数据做出实时判断以规避各种障碍物,从而实现动态路径规划。无人机路径规划已成为重要研究课题,针对这个问题,本文主要研究以下两方面内容:1.三维环境空间下无人机分层路径规划。针对无人机在复杂三维山地环境下路径规划难的问题,本文提出了一种三维环境分层路径规划模型。首先利用三维高程图法对无人机飞行环境进行三维环境建模,然后将分层的思想引入到无人机三维路径规划之中,再将三维空间在高度方向上进行切片分层。无人机路径规划三维环境空间分为水平方向和垂直方向两部分,在水平方向的每一层都选择一个路径节点,最后将这些路径节点全部映射到垂直方向模型中,利用B样条曲线连接即可得到无人机飞行路径。通过利用高度方向分层的模式将三维问题转化为二维寻优问题,简化了三维路径规划问题的难度。2.基于多约束条件下人工蜂群算法无人机路径规划。针对传统无人机在三维环境下路径规划算法存在搜索时间过长、易陷入局部最优、易早熟与收缩效率低等问题,本文提出一种改进的效果良好的人工蜂群算法对无人机路径进行规划。首先利用佳点集的方式生成初代蜜源位置,保证蜜源信息的多样性和均匀性,丰富了无人机路径的可选择性;接着在采蜜蜂搜索机制中提出了并行增强型邻域搜索机制,通过引入自适应动态调节因子与最优蜜源信息,加强了算法前期的全局寻优能力和后期的局部寻优能力,同时通过最优蜜源信息增强了算法寻优引领作用,提高了无人机路径规划的效率;接着提出了跟随蜂并行搜索机制,分别采用轮盘赌法与反轮盘赌法的选择策略,避免了局部最优的出现;最后,采用大步长搜索机制加强了侦查蜂的寻优效果,降低了无人机局部死锁的情况,大大提高了无人机路径规划的效率。仿真结果显示,改进后的算法不论是在寻优能力,还是在寻优效率上都得到了显著的提高。