随着计算机、信号处理和人工智能等高新技术的迅速发展,加上各类新设备的相继问世,分布式飞行器网络(包括无人机群、分布式星群等)凭借着其高效、灵活的侦查、搜索等多种能力正被广泛运用于数据采集、人员搜救、气象监测、资源勘察、军事巡航等领域,受到各国的高度重视。随着功能的扩展和任务的延伸,必然要求分布式飞行器具有协同编队飞行的能力,组成一个多跳、自治的移动自组织网络,从而能够高效的完成不同种类的任务。然而,现有的自组网路由协议对网络环境的感知能力不足,不能够很好地适应分布式飞行器高速运动、应用场景多变等特点。因此,为了提升分布式飞行器的网络性能,亟需设计一种能够满足不同场景需求的自适应路由协议。针对该需求,本文主要做了以下两方面工作:首先,针对分布式飞行器工作在高机动的场景下(如协同执行军事任务或勘测复杂的地形地貌等),可能会面临任务种类的动态调整、受到外部攻击或者工作环境恶劣、不确定性大等问题,这些问题会导致分布式飞行器的网络构型发生主动式或被动式的不定变化,最终使得网络性能急剧下降。为了改善这种情况,本文在传统的自组网路由协议OLSR的基础上,提出了一种能够感知编队构型变化的动态适变路由协议FA-OLSR,其主要通过检测邻居节点的状态变化率来判断分布式飞行器编队构型的变化程度,再根据不同的变化程度调整路由策略。在针对编队构型剧烈变化的路由策略里,本文提出了一种基于最长连接时间的MPR选择算法,改进了OLSR协议原有的贪婪式MPR选择算法,降低了中继节点的选择频率,以期维持网络的稳定性,降低网络的丢包率,保证端到端实时、可靠的通信。其次,针对分布式飞行器工作在较为稳定或者可预测的场景下(如无人机巡航或者空间领域的星间通信等),现有的基于拓扑的路由协议出于对完整路由结构的要求,常常会使得路由的开销过大。因此本文提出了一种链路质量学习的低开销路由协议ETXL-OLSR,ETXL-OLSR可以在没有全局信息的情况下分布式执行,可以有效地降低路由的控制开销;同时,网络中的节点能够自主地利用Q学习的方法来实现对链路质量的预测,并通过不断地迭代来累积经验,最终能够收敛至具有最优链路质量的路径,完成路由的建立,能够保障数据的可靠传输。对提出的两种路由方法,论文均使用OPNET仿真平台对其进行了验证。仿真结果表明,FA-OLSR协议相较于OLSR协议的一种针对航空高动态网络的改进方案Predictive-OLSR协议具有更低的丢包率和更小的网络开销,能够较好地适应高机动的场景;而链路质量学习的低开销路由协议ETXL-OLSR相较于OLSR协议具有更高的分组投递率,并且产生更少的网络流量,能够较好地适应稳定或者可预测的场景。