无人机作为一种无人驾驶技术,在空中侦察、物资运输、目标区域搜索等方面有着天然的优势,尤其体现在灾区救援工作上。蚁群算法是一种群体智能算法,其主要模仿蚂蚁群体在觅食过程中搜救食物的交流方式,抽象出一个用于解决图中寻找优化路径的几率型算法。粒子群算法是一种用于调整粒子最佳位置的群体智能算法,可以用来优化其他群体智能算法。本文首先对灾区无人机搜救场景使用的技术进行介绍,分析无人机和地理信息系统在灾区救援工作中的优势。其次,本文从蚁群算法的优化角度着手,分析了蚁群算法可以优化的几个方面,从不同角度提出了几种优化方案。而后,本文分析了蚁群算法在灾区搜救场景的可行性,设计一条从某一点出发遍历所有区域后回到出发点的封闭环状搜救路径,类似旅行商问题,蚁群算法解决该问题相对具有优势。再从细节上分析灾区无人机搜救场景的特殊性,对蚁群算法优化,使之完美适合本文场景。从灾区动态变化性的特征对参数优化,并提出了细化区间法和基于粒子群的参数优化方法两种算法,分别适用于不同的输入规模;从灾区受灾程度的不同对受灾区域进行优先级划分,优化了算法对下一区域的选择方案,并对不同输入规模讨论调节参数的取值;从功能角度对无人机进行分类,并使用粒子群算法对充当临时基站类无人机的位置进行优化。最后,本文整合所有改进方案,提出了一种带有优先级的参数自适应的蚁群优化算法(PAACO)。经过多组实验仿真对比以及分析,PAACO确实展现了较好的效果,能够很好的解决无人机灾区搜救的路径优化问题。