地面有人驾驶车辆搭载中小型无人机协同完成目标侦察、信息采集等任务,是一种典型的有人无人协同任务系统的应用,也是军事和民用领域出现的一种新的协作模式。当车载无人机进行协同侦察时,车辆在侦察区域附近的路网行驶,并不断放飞和回收无人机,无人机则自动飞往目标点收集目标信息,并在电量耗尽前回到车辆上进行补充。地面车辆作为中小型无人机的地面移动平台,可以携带无人机巡查更广的侦察区域,弥补无人机续航能力小的不足;同时,地面车辆只能在已有路网或平坦硬质地面行驶,而无人机可以快速飞抵一些车辆无法有效到达的区域,进行贴近侦察,获取更加准确的目标信息。这种全新协同模式的出现必然需要相应的协同路径规划方法来完成车辆行驶路径和无人机飞行路径的优化,而当前车辆路径规划和无人机飞行路径规划方法并没有考虑两者协同工作的情况,不能提供有效的支撑。鉴于此,本文开展车载无人机双层协同路径规划技术研究,主要完成以下几方面工作:首先,分析了车载无人机协同工作的特点和在路径规划领域面临的挑战。车载无人机路径规划需要时空双方面的准确协同:在时间维度上,无人机进行目标侦察时受其续航时间限制,需要及时回到地面车辆上进行更换电池;在空间维度上,地面车辆放飞无人机后继续向前行驶,其前方回收无人机的地点既要贴近未侦察目标区域,又要保证无人机完成当前侦察任务后能够飞达。针对车载双层路径规划问题的特点,建立了问题的混合整数规划模型,详细的考虑了不同合作模式、时空协同和续航能力的约束。第二,设计了车载无人机双层路径规划问题的启发式求解算法。针对求解时间紧急的情况,设计了先路由后分组、先分组后路由、聚类分组和贪婪分组等四种启发式求解算法,可以在数秒内通过启发式规则的搜索,快速构造问题较优的可行解。通过随机数据的实验,比较了四种启发式算法在不同规模的数据下的求解效率。并通过精确求解的算法,在小规模的数据上检验了算法求解的质量。第三,在求解时间宽松情况下,设计了进一步提高启发式算法求解质量的适应性大规模邻域搜索算法。针对问题特点,设计了6种车辆路径节点删除算子、5种无人机路径节点删除算子和3种路径重构算子,并在算法迭代搜索过程中引入了算子权重调节和邻域规则应用次数调整两种适应性学习策略,提高了算法的搜索效率。通过随机数据的实验,比较了自适应大规模邻域搜索算法在不同规模、不同参数设置下的求解效果和效率。第四,通过邻域搜索过程的分析,设计了进一步提高适应性大规模邻域搜索算法的基于聚类的邻域搜索思想,并将其与现有算法结合,提出了基于聚类思想的多起点邻域搜索算法以及基于聚类思想的大规模邻域搜索算法。针对邻域搜索的特点,算法定义了可行解之间的距离,并在算法迭代过程中通过聚类的思想有效的减少了搜索的时间。通过随机数据的实验,比较了基于聚类思想的搜索算法与多起点邻域搜索算法和自适应大规模邻域搜索算法在不同规模、不同参数设置下的求解效果和效率。为进一步验证算法的有效性,以长沙市的实际地图为背景案例,展示了车载无人机双层路径规划问题与算法的应用。