低空经济的发展推动了无人机在城市等低空复杂环境中的应用，而无人机路径规划作为保障其飞行安全和经济高效的重要技术，显得尤为关键。一般情况下，该技术要求无人机在特定区域内，依据成本函数为评判标准，并在满足约束条件的前提下，从指定的起始点到目的地规划出一条安全、可行的飞行路径。对于航空拍摄、航空测绘等任务，路径规划问题的评判标准为最短的航迹距离，以减少能耗和时间；在搜索跟踪任务中，评判标准则是动态搜索目标中的概率；对于救援任务，评判标准则是救援时间。此外，路径规划问题还需满足多项约束条件和飞行安全性要求。这些约束条件包括无人机的最大倾斜角、转弯速率、转向角、爬升角、飞行时间、飞行高度和油耗等。飞行安全性涉及无人机必须规避高大建筑物、空中线缆、禁飞空域，甚至空中导弹和雷达探测等威胁，这需要无人机在执行任务时具备有效的环境威胁规避能力。因此，低空空域的无人机路径规划问题是一个极具挑战性的问题。 当前低空空域的无人机路径规划问题一般采用电鳗算法(EEFO)实现，其主要通过电鳗的一些生物行为抽象为数学化的语言通过一系列公式的变换以实现低空空域的无人机路径规划，尽管，电鳗算法(EEFO)在开发利用、探索平衡以及避免局部最优方面表现出色，但与其他群体智能优化算法类似，电鳗算法(EEFO)也面临一些问题。如初始种群质量、收敛稳定性、搜索精度和局部最优等问题，会造成低空空域的无人机路径规划过程中出现路径长度过长、能源消耗过高或规划时间过长等问题。此外，当无人机在复杂地形或动态环境下执行任务时，路径规划的鲁棒性和适应性可能下降，无法及时避开威胁物或应对环境变化，从而增加了任务失败的风险。