飞行自组网（Flying Ad Hoc Network,FANET）是由若干无人飞行器组成的特殊移动自组织网络,被广泛应用于有临时通信需求的场合中。由于FANET组网成本高、技术复杂,目前该领域的研究大多基于仿真,移动模型作为仿真实验的关键组成部分,影响着路由协议设计及其他算法性能评价的有效性和可靠性。然而,当前所提出的移动模型未考虑FANET节点的移动特征及节点之间的运动相关性,也未考虑到障碍物环境下的节点避障处理。本文围绕基于群体智能的FANET群组移动模型进行了研究,主要研究内容如下:（1）提出了基于改进Boids的FANET群组移动模型（IBGM）。优化了标准Boids生物群集运动策略,在SAC规则的基础上引入跟随原则和聚集原则,节点只需遵循固定的五个运动规则（分散、对齐、聚合、跟随、聚集）即可完成分散、聚集和平移行为,并且有效避免了节点分散成若干个小群组。同时,提出了一种新的适应度函数,并将其应用于遗传算法来求解模型参数,通过对各个运动规则建立代价函数,提高了模型参数的优化效率。实验表明,求得的最优参数使得模型表现出良好的群集运动特征。最后,经过与RW模型、RPGM模型以及标准Boids群集运动模型的仿真对比,可以看到IBGM模型无论是在时间依赖度和空间依赖度,还是链路持续时间方面都具备较优的表现。（2）针对障碍物环境,对IBGM模型进一步优化,提出了基于改进遗传算法的节点路径规划策略。首先,优化了初始路径的生成策略,引入RRT算法并将其应用于栅格地图中,提高了求解初始化路径的成功率;其次,在变异算子中加入更多随机性,保证了种群的多样性,增强了算法的全局寻优能力;再次,优化了插补算子,使节点之间连接成功率更高、连接路径更短;最后,在传统的遗传操作中新增了优化算子,用于去除由重复的节点和不必要的转弯而造成的冗余路径。通过在三组不同障碍物分布的地图中仿真对比,本文所提出的路径规划策略比基于标准遗传算法的路径规划策略执行时间短且路径更优。