无人机在巡检领域有着巨大的优势和重要的作用。传统人工巡检方法需消耗较大的人力、物力和时间等成本,虽然无人机早已应用于巡检领域,但是仍存在巡检范围较小、巡检效率较低等问题,且现有文献以固定点检测任务为主,巡检目标类型较为单一,因此,本文针对用于复合类型巡检任务的多站点无人机群路径规划问题,提出了数学模型和智能优化算法,用于固定点检测任务和沿线检测任务。本文分两个阶段解决该问题,第一阶段解决固定点检测任务,第二阶段同时解决固定点检测任务和沿线检测任务,即解决复合类型检测任务。本文主要工作及创新点如下:（1）针对固定点检测任务,本文首先给出了带有多站点的无人机群路径规划问题的完整定义,并建立了数学模型;然后基于文化基因算法设计了一种混合式元启发式算法,该算法在文化基因算法的框架下加入了变邻域下降,并设计了七种邻域结构用于局部搜索提升;随后,利用CPLEX对数学模型进行了求解,并验证了本算法在小规模案例下的性能;最后,为验证本算法在中大规模案例下的性能,本文基于标准数据集与其他同类算法进行了对比实验,实验结果表明本算法具有更好的寻优能力和较好的稳定性。（2）针对复合类型检测任务,本文以巡检电力输电线路为例给出了完整的问题描述,并建立了数学模型;然后通过强化学习和自适应大邻域搜索算法的基础知识,引出了本文设计的基于强化学习的自适应大邻域搜索算法,该算法将强化学习用于自适应大邻域搜索算法的自适应阶段,通过累积的性能自适应的学习最佳动作来寻找更好的解,并将变邻域下降用于局部提升,同时,本算法还针对该类问题设计了多种操作算子和邻域搜索结构;最后是实验验证阶段,本文先利用CPLEX对数学模型进行了求解,并验证了所提出算法在小规模案例下的性能;然后,为验证所提出算法在中大规模案例下的性能,与基于种群的同类算法和基于单解的同类算法进行了大量的对比实验,实验结果表明所提出算法具有更好的寻优能力和较好的稳定性。