随着计算机、通信技术、自动化控制技术的进步,近年来无人机发展迅速。无人机具有适应性强,灵活便携等优势,在一定程度上可以替代有人作业,以更高的效率和更低的成本完成工作任务,对军用和民用领域都有重要影响。无人机的航迹规划就是根据任务目标搜索出一条从源点到目标点的飞行航迹,是无人机任务规划问题中的核心技术。航迹规划算法基于是否已知全局地图信息可以分为全局航迹规划算法和局部实时航迹规划算法,单一的全局规划算法和局部规划算法各有其优劣,一般认为,前者在寻找全局最优解或者近似最优解方面更具优势,但不适用于动态环境下的实时航迹规划问题,后者可以与环境实时交互从而适应变化环境,但缺乏全局最优性。本文针对现有航迹规划算法的缺点对蚁群算法作出改进,并和Dstar算法进行结合,提出一种基于改进蚁群和Dstar算法的混合式无人机航迹规划算法。本文对无人机航迹规划空间进行划分,建立了栅格地图模型。系统探讨了蚁群算法的原理、实现步骤,并分析了其优缺点,对于已知全局环境信息的地图,通过理论分析和仿真实验验证了经典蚁群算法在复杂障碍物环境下存在的缺陷。针对这些问题提出一种改进蚁群算法。通过基于方向指导信息对信息素的初始分布进行优化,降低了算法搜索初期的时间开销;通过改进信息素更新挥发的规则提升了算法保留优秀路径信息的能力,加快蚁群算法收敛速度;提出一种新的基于区域安全的概率转移策略,解决了经典蚁群算法容易陷入局部死锁的问题,同时提高了任务规划的成功率。最后,基于前文建立的栅格地图模型对不同规模和复杂度的环境进行了仿真实验,通过和原算法对比证明了改进蚁群算法具有显著优势。针对单一航迹规划算法方案中全局航迹规划算法时效性和适应性差,而局部航迹算法全局最优性差的缺陷,在改进蚁群算法的基础上,考虑有突发障碍物的动态实时环境,设计了一种基于改进蚁群和Dstar混合算法的航迹规划方案。该算法首先利用蚁群群体智能的优势在静态环境下输出一条低开销的初始路径,同时为应对突发障碍引入Dstar算法,在遇到突发障碍物时,可以进行相应的航迹修正,以便规避碰撞。混合算法仅在突发障碍物区域对初始路径进行重构,而不需要对整条全局路径进行重新规划,因此可以快速得到局部重规划航迹。仿真部分将混合算法分别与改进蚁群算法和Dstar算法比较,验证了混合算法通过有机的融合全局航迹规划和局部实时航迹规划方法,并充分利用了全局先验信息和局部后验信息,最终由混合算法计算获得的航迹规划路线兼顾了航迹最优性和实时高效性。