无人机凭借高机动性和高智能化等优势在作战侦察和遥感测量等领域得到广泛应用。航迹规划作为无人机自主化的关键技术之一,受到广泛关注和研究。由于单无人机受限于自身性能且逐渐无法满足日益复杂的战场环境,因此如何协同多架无人机完成规划的任务,成为当前无人机领域研究的核心问题。本文以多无人机协同航迹规划为背景,围绕规划算法、环境建模以及多无人机协同策略展开研究。主要研究内容为:1.研究了传统粒子群算法的改进方案:为了改善粒子群算法的性能,弥补算法本身的缺陷,通过混合差分进化算法和正态扰动方法,提出了一种混合非线性粒子群和自适应差分进化算法（Hybrid Nonlinear Time-varying Particle Swarm Optimization and Adaptive Differential Evolution,NTVPSO-ADE）的方法。首先,为了平衡种群局部搜索与全局搜索之间的关系,对粒子群算法的三个关键参数设计了不同的非线性时变取值策略,根据粒子本身适应度值大小修改参数收敛速度,实现参数的自适应取值。然后,为改善算法的收敛速度,混合自适应差分进化算法,根据个体代价值自适应选择变异策略以及缩放因子,提高了种群的多样性。在此基础上,为避免粒子陷入局部极值,设计了一种动态正态扰动方法,通过动态调整扰动幅值,协助粒子逃离局部极值。最后,将所提算法在测试函数中进行仿真实验以验证算法的有效性。2.研究了三维仿真环境下的单无人机航迹规划问题:首先,通过调查分析战场环境中影响航迹安全的威胁源,并考虑了无人机自身飞行特性约束,建立了航迹规划的空间模型以及航迹评价的数学模型。然后,采用设计的NTVPSOADE算法对航迹规划模型求解,同时采用基于关键航迹点的Minimum Snap圆滑算法对规划航迹进行圆滑处理。最后,将所提算法应用于建立的航迹规划数学模型中验证模型与算法的可行性。3.研究了三维仿真环境下的多无人机协同航迹规划问题:首先,在单无人机航迹规划模型的基础上,引入了多无人机时间和空间协同约束模型。然后,采用分布式求解方法,利用NTVPSO-ADE算法为每架无人机规划多条备选航迹,从中选择最优的前20%航迹,在信息交互层中选取航迹时空违背次数最少的作为协同航迹,同时反馈至粒子群算法并指导粒子的搜索。最后,将所设计的方案应用于不同仿真模型中,验证了方案的可行性和优越性。