无人机航路规划系统是无人机执行任务的基本保障,本文将改进鸽群算法和改进粒子群算法应用在无人机航路预规划中,达到根据不同的环境、不同的任务情况为无人机预先规划出最优路径的目的。首先,本文对基本鸽群算法在多种仿真环境中进行详细实验,对结果数据进行分析,得出基本鸽群算法存在收敛速度较慢,陷入局部最优等问题。并提出使用自适应策略对基本鸽群算法进行改进,证明了增加自适应惯性权重的优势。自适应惯性权重主要针对鸽群算法在地磁操作阶段收敛性差的问题进行改进,每轮迭代均使用自适应策略选择最优粒子,保证算法的全局最优性能。其次,为了验证改进鸽群算法的性能,本文将改进鸽群算法与粒子群算法、鸽群算法进行对比分析。但是粒子群算法存在收敛速率低、陷入局部最优等缺陷,本文使用优胜劣汰策略、混沌策略和线性递减惯性权重对粒子群算法进行改进,再将改进粒子群算法与改进鸽群算法进行对比分析。最后,本文对各算法分别在二维环境和三维环境中进行大量实验。二维环境中自适应权重鸽群算法与鸽群算法和粒子群算法相比,航路距离、威胁代价消耗与算法运行时间均有所减少。三维环境中,本文选取二十次典型数据进行分析,通过使用均值分析和方差分析的方法分析算法的性能得出:丘陵环境中改进鸽群优化算法平均消耗时间最优,改进粒子群算法路径消耗最优,并且稳定性高;山区环境中改进粒子群算法时间消耗最优,路径消耗最优,稳定性也更好。