本文研究了无人机路径规划算法,设计并实现了无人机智能飞行类库。首先,将路径规划问题分解为两个层次,全局路径规划和局部路径规划。在全局大尺度路径规划中,作者将威胁因素等效为概率密度函数,并且结合地形高度信息,归结出多目标模糊满意度函数,进而利用遗传算法求解此优化问题,以达到利用地形因素(如山脉)规避威胁的目的。在遗传算子的设计中,作者采用相对距离-转角的编码方式,自然地将无人机最大转角和最短直线飞行距离约束引入了设计变量,进而根据多目标模糊满意度构造了适应度函数,并采用“轮盘转”选择、两点交叉和高斯变异策略进化种群,优化计算结果稳定。特别地,为了提高计算效率,采取了一系列改进方法：两分法邻近点定位,地形高度等参元插值,线积分分布式累加以及多线程个体适应度计算。在局部路径规划中,进行了更加严格的避障判断,为了进一步提高计算效率达到规划路径实时输出的目的,采用了线性规划建模,进而编写了从数学模型到核心算法库的“翻译”脚本,初步实现了利用开源线性规划程序CPLEX,GLPSOL进行远程实时求解计算,以及与客户端软件(如MATLAB)集成进行可视化的方法。此外,作者专门设计了无人机智能飞行类库。它包括路径规划、动力学模型以及地理信息数据库。目的在于增强无人机路径规划,导航以及可视化能力。从实际应用角度出发,作者对运算鲁棒性做出许多改进：如判断路径规划点间的可见性,规避障碍,生成光滑航迹等,消除了除法对精度的影响；用C语言编写了无人机动力学函数,此函数以推力、升降舵、副翼和尾舵偏转,以及12个位置、速度、欧拉角和角速度自由变量为输入,并保留了气动力接口,以12个自由变量的导数为输出,方便了动力学仿真；为了辅助无人机在飞行过程中实时获取周边威胁、目标、机场信息等,作者基于全球可扩展数据库(App Engine)设计并建立了无人机地理信息辅助类,利用Map API实现了本地经纬定位,并且改进了区域框搜索方法,实现了仅用一次等式过滤条件查询并返回邻近地理区域框内所有实体的算法,这对于在基于BigTable架构的数据库上检索数据是必要的,因为它不支持对大于一个属性(如经度和纬度)同时进行不等式过滤查询。本文提出的算法都进行了实际的计算与仿真,验证了算法的有效性。在计算过程中,实践了由网络驱动的远程“集总式”优化计算与“分布式”可视化这一新的模式,对于建立人在回路的大规模无人机天-地一体化网络具有参考意义。关键字：无人机；路径规划；遗传算法；线性规划；可扩展数据库