物流配送中最后一公里问题作为快递配送的最后环节直接影响着物流配送的质量,如何有效使用无人机实现最后一公里物流配送成为热点研究问题。然而其中仍然存在无人机航路规划、协同调度等问题有待解决。因而本文选择无人机航路规划算法和无人机协同调度算法作为主要研究内容。针对物流配送场景下的无人机航路规划问题,采用收敛速度快且收敛精度高的蝙蝠算法并对其提出以下三点创新点:引入基于寻优成功率的自适应惯性权重增加算法的鲁棒性;引入Logistic映射防止算法陷入局部最优;采用改进的人工势场法加速算法收敛速度。本文在二维与三维模拟地形环境下分别进行无人机航路规划算法的仿真实验,实验结果表明,本文所提出的改进蝙蝠算法应用于无人机航路规划问题时,在路径长度、避障情况与规划时间等指标上均优于蝙蝠算法和差分蝙蝠算法。针对物流配送场景下的无人机协同任务调度问题,采用收敛精度高且具有并行性的蚁群算法并对其提出以下四点创新点:引入精英个体策略加速算法收敛过程;采用自适应权重因子防止算法陷入局部最优;提出自适应信息素挥发因子增强算法的鲁棒性;引入概率迁移策略增加算法的适用性。本文根据真实浮动车数据中的车流密度生成物流收货点与多个收货点,采用改进的蚁群算法进行无人机协同配送。仿真实验结果表明,在无人机协同配送问题中,在同等条件下本文提出的改进蚁群算法在航路总长度、分航段方差等性能指标上均优于粒子群算法和遗传算法。