作为反无人机的重要手段之一，侦察无人机被用于侦察特定区域来探测并打击非法无人机。由于侦察无人机通常采用电池供电，并且易受侦察环境和自身物理限制等因素的影响。因此如何为侦察无人机规划出可行高效的侦察航迹成了保障侦察任务完成的关键。本文分别针对多侦察无人机和单侦察无人机场景中的3D侦察航迹规划展开研究，主要的研究内容和创新工作总结如下：
　　1.针对现有多无人机航迹规划方案忽略侦察区域优先级以及缺乏对侦察区域中新发生事件的跟踪，而导致规划航迹不能适应动态环境和无法根据侦察区域重要性来执行优先侦察等问题，提出了一种基于PSO和事件检测的多无人机航迹规划机制。通过将侦察区域重要性作为必要优化指标，与无人机能耗和飞行风险值等7个优化指标加权联合，构成航迹优化过程中评估生成航迹的多目标效用函数，从而使得规划航迹可以反映侦察区域优先级特性。并且提出了基于事件检测的侦察区域重要性值更新机制以提升航迹规划方案对动态环境的适应性。最后，采用PSO求解最优航迹。仿真结果表明，利用所提航迹规划方案生成的侦察航迹能最大限度地优先覆盖重要侦察区域，并且所提更新机制能够跟踪侦察区域中发生的新事件。
　　2.针对经典ACO算法在解决无人机3D航迹规划中存在收敛速度慢和容易陷入局部最优等问题，提出了一种基于GA和ACO的改进型混合仿生算法GAACO。通过引入信息素更新门限值，限制参与信息素更新的蚂蚁数量和质量，从而避免经典ACO算法由于劣质蚂蚁遗留信息素对后续寻优造成大量无效搜索的问题；并针对由此造成信息素更新蚂蚁减少使得算法全局搜索能力减弱的问题，引入GA算法的交叉变异算子和局部搜索技术加强蚁群的随机搜索能力，保证在提升算法收敛速度的同时避免陷入局部最优。将所提GAACO算法应用于单侦察无人机的3D航迹规划中，仿真结果表明，GAACO具有强于ACO、GA和PSO的算法搜索能力，并且具备较快算法收敛速度和较强算法鲁棒性。