随着计算机、通信、控制与传感器技术的发展,无人机技术得到长足发展并取得巨大的进步。无人机利用自身优势,能够部分地代替人类完成危险系数较高的任务,在军事和民用领域得到广泛应用。无人机在完成任务过程中,需要对如何有效、安全地完成自己的任务过程进行规划,这就是任务规划。在任务规划过程中,最重要、也是最复杂的就是为无人机规划出一条完成飞行任务所需要的飞行航迹,即无人机航迹规划。无人机航迹规划是任务规划系统的重要技术之一,也是提高无人机作战效能和实现安全可靠自主飞行的技术保障。航迹规划是在特定条件下,搜寻出一条从起始点到目标点的最佳路径。本文首先阐述了基本蚁群算法原理及算法的优点与不足,并分析算法陷入局部最优和搜索时间较长的主要原因。接着介绍了几种比较典型的改进算法,然后提出一种改善算法全局收敛性能的策略,其基本思想是:在基本蚁群算法的状态转移中增加目标节点信息素引导因子,从而减少蚂蚁搜索的盲目性,使搜索朝着目标节点方向进行;同时引入再励学习机制,合理对路径上的信息素再励更新。每次迭代结束对蚂蚁个体行为进行评价,再将此评价反馈回蚁群,发扬优质蚂蚁行为,惩罚劣质蚂蚁行为,从而实现蚁群对自身搜索行为的自学习。发扬优质行为,就是增加较好路径上残留的信息素强度;惩罚劣质行为,就是减小较差路径上残留的信息素强度。为了改善算法性能,扩大搜索空间,引入两个蚂蚁种群各自独立搜索路径,当算法陷入局部最优,则立即停止搜索,交换两个种群对应路径上的信息素,同时自适应双向调整两种群的信息素挥发因子,经过这些改进措施,算法的收敛速度和收敛能力得到了明显地提高。本文最后通过对基本蚁群算法和改进蚁群算法的无人机航迹规划分别进行MATLAB仿真研究对比。验证了在无人机航迹规划中,改进蚁群算法在全局搜索能力和搜索速度上均优于基本蚁群算法。