固定翼无人机由于其飞行速度快、航程远、载重能力强等特点,在军事察打、灾情救援等军民领域应用广泛。考虑到单架无人机能力的局限性,在特定的任务场景下采用多无人机协同执行任务具有低代价、高成功率等优势。考虑到固定翼无人机受其自身物理运动模型的限制,且在集群中需同时考虑无人机之间的避碰问题,因此,针对多无人机集群在三维空间中的航迹规划是一个复杂的多约束优化问题。为了适应无人机群高机动性的任务需求,需要高效的路径规划求解方法。本文针对固定翼无人机集群提出了一种基于优选信息素灰狼算法的航迹规划方法,分别针对全局离线规划问题和分布式在线规划问题进行求解。具体工作如下:（1）受生物灰狼行为特征和蚁群算法中信息素作用的启发,本文在传统灰狼优化算法的基础上引入了信息素因子来加强各次迭代中探索过程的相关性,并根据灰狼间的等级制度选择具有最优解的若干灰狼,将其所经过的路径点上的信息素进行累积以影响后续迭代的探索过程。通过求解多个测试函数的最小值问题表明,改进后的算法相比于原始灰狼算法具有稳定性佳、寻优能力强的优势。（2）对于全局环境信息已知的固定翼无人机集群航迹规划问题,采用集中式离线规划的方法进行求解。将环境地图建模为包含威胁区域的连续规划空间,采用连线法选取路径点,最小化由威胁、路径长度构成的性能指标,并考虑了避碰和固定翼无人机物理条件限制等约束。考虑到精确最优解的求解时间较长,不适用于无人机在复杂空域环境执行任务,本论文使用包括改进灰狼算法在内的多种启发式智能算法在不同复杂度的仿真场景下进行航迹规划。通过与基本的灰狼算法及其他常用启发式优化算法的性能进行比较分析,表明改进后的灰狼算法在复杂场景中的寻优能力、收敛速度和求解稳定性等方面均有显著优势。（3）对于环境信息未知的固定翼无人机集群航迹规划问题,采用分布式在线规划的方式,使无人机实时在线交互信息,并采用分布式模型预测控制的方法独立进行实时在线航迹规划。但精确的模型预测控制求解器在求解时存在高耗时的问题,且随预测时域长度的增加而呈指数上升趋势。为了减少计算时间提高航迹规划效率,本文使用包括改进的灰狼算法在内的多种启发式智能算法求得近似最优解。通过仿真实例与现有的各种优化器进行比较,证明了改进灰狼算法可以显著降低求解时间、提升优化稳定性,通过合理选择算法参数和预测时域长度可满足对集群进行实时在线航迹规划的需求。