花粉算法(Flower pollination algorithm,FPA)是由YANG X.S.在2012年研发的,灵感来源于花朵的授粉过程,一经提出就获得了很多学者的青睐。目前,该算法已经在数学以及工程学等领域得到了很好的运用。FPA算法搜索能力强、收敛速度快,能够较好地解决工程优化问题。为了进一步提高花粉算法的收敛速度,避免其陷入局部最优,从算法角度,优化FPA算法的内在运行机制,提出一种基于改进搜索策略的混合花粉算法(Hybrid Flower Pollen Algorithm based on Modified Search Strategy,HMFPA),以增加算法在单目标优化以及多目标优化问题上的优化性能。在应用方面,把HMFPA算法运用在无人机航迹规划问题,结果表明算法在缩短无人机飞行路径方面能够获得良好的效果,具体表现如下:首先,为提高FPA算法的收敛速度与精度、避免算法陷入局部最优,对算法内在运行机制进行分析和改进。在算法初始化阶段,为增加种群的多样性,使种群分布更加平均,引入佳点集理论初始化种群;在算法迭代阶段,增加反向学习机制,缩短和最优解之间的差距,加快算法收敛速度;在算法后期,为了避免算法陷入局部最优而无法逃离的状况,在算法后期对当前最优解添加了交叉操作与高斯扰动,使其能够脱离局部最优解而找到全局最优解。通过以上改进方案提出一种基于改进搜索策略的混合花粉算法(HMFPA)。其次,将HMFPA算法运用于处理单目标优化和多目标优化问题,以此来验证改进算法的优化性能。在单目标问题上,由仿真实验得出了HMFPA算法具有较快的收敛速度,同时也能够获的更高的收敛精度;而在多目标优化问题方面,使用HMFPA方法对六类标准检测函数进行算法测试。结果表明,改进的HMFPA在处理多目标优化问题上也具备优异的搜索效率,有效提高了最优解的分布均匀性。最后,无人机航迹设计方面,经由等效地形建模形成航迹规划模型,把一些地形阻碍与地方威胁等效山峰化。针对起点终点已知、地形分布情况明确且障碍物固定不变的情况,将HMFPA算法应用其中,通过仿真试验对比,证明经HMFPA算法优化后能够最大程度地减少飞行距离,可以更有效地处理此类问题,验证了HMFPA在无人机航迹路径规划问题上的良好优化能力。