随着我国航空事业的飞速发展,低空飞行器在军事和民用领域得到越来越多的使用,科学、合理、充分地开发和使用低空空域是时代发展的必然要求。目前,随着低空飞行器的逐渐增多,低空空域的单位飞行器密度也在增大,安全、有效地航路规划可以最大化的利用低空空域。航路规划就是在复杂环境下,为低空飞行器规划出一条从起始点到目标点的最优航路。蚁群算法是一种用来寻找优化路径的智能优化算法,具有很强的鲁棒性和搜索较好解的能力,但是蚁群算法又易陷入局部最优、搜索时间长等问题。当多架无人机在同一时间段内于同一区域进行飞行时,每一架无人机所面临的威胁源主要是复杂的地形和禁飞区等静态威胁和其他无人机所构成的动态威胁。为每一架无人机规划出安全高效的飞行航路,是实现低空多无人机飞行管控的关键问题。针对这些问题,本文首先对传统的蚁群算法进行了改进,然后利用时效性来对多架低空飞行器进行航路规划,最后将多无人机三维航路规划应用到监管系统中。本文针对基本蚁群算法易于陷入局部最优和搜索时间长等问题,提出了一种改进的全局搜索的蚁群算法。改进蚁群算法的基本思想是:在基本蚁群算法的信息素更新中增加信息素调整因子,信息素调整因子可以有效的调节各个节点上的信息素浓度值,避免各个节点上信息素浓度差过大,合理地对路径上的信息素进行更新,避免陷入局部最优。在MATLAB中对我们改进的算法进行了仿真验证,通过对改进前和改进后的蚁群算法进行了对比分析,最后得出改进后的蚁群算法明显的克服蚁群算法陷入局部最优的缺点,提高全局搜索能力,为下一步的多无人机时效性的航路规划打下基础。对于多无人机在三维空间中的航路规划问题,本文在改进的蚁群算法基础上引进了时效性概念。采用蚁群算法对航路点进行选取,并将选取的航路点标注上时刻,本文所说的时效性就是指建立无人机与位置点、时刻点一一对应的关系,用时刻点来判断无人机与无人机之间是否有存在时间冲突,进而完成多无人机航路的规划。我们在MATLAB中对本文提出的多无人机航路规划方法进行了仿真验证,并且通过仿真对比分析了有时效性的航路规划和没有时效性的航路规划,得出这种具有时效性的航路规划方法可以有效的实现多无人机航路的协调规划,在保证飞行区域里已规划好的无人机安全的前提下,使得每一架无人机的航路最优。最后需要把本文提出的多无人机航路规划方法运用到无人机监管系统的飞行计划申请模块中。无人机飞行之前需要向监管系统进行飞行计划申请,申请时需要注明起飞时间、起始点和降落点,监管系统会基于本论文提出的多无人机航路规划方法为通过飞行计划申请的无人机进行航路规划。这样将本文提出的多无人机航路规划运用到实际应用中。