随着无人机技术的飞速发展，无人机已被广泛应用于智慧农业、资源勘探、灾难救助及军事活动等多个领域。无人机的机动性和稳定性使其能够在各种复杂环境中执行任务。然而，如何在这些环境中高效且安全地规划飞行路径，成为当前无人机技术研究的焦点之一。 尽管无人机路径规划问题已得到广泛研究，并取得了一定的进展，但现有方法在处理复杂环境下的路径规划时仍存在诸多挑战。传统的路径规划方法主要分为三类：基于节点优化的路径规划算法、基于采样的路径规划算法和基于人工智能的路径规划算法。 基于节点优化的路径规划算法，如Dijkstra算法和A*算法，通过构建损失函数并利用启发式信息来寻找最优路径。然而，这些算法在处理大规模节点搜索时计算复杂度较高，且容易陷入局部最优，导致在复杂环境下难以找到理想的路径。 基于采样的路径规划算法，如RRT(快速随机树)算法，通过对环境进行随机采样来构建路线图，并搜索从起点到终点的可行路径。但在复杂环境中，这类算法难以生成有效的路线图，同样面临着计算效率低下和局部最优的问题。 基于人工智能的路径规划算法，如群体智能算法和强化学习，因其操作简便且能够有效避免局部最优解，逐渐成为无人机路径规划领域的研究热点。然而，现有的解决方案在处理路径规划问题时往往需要较长的计算时间，这限制了路径规划的实时性。 因此，目前亟需开发一种新型高效路径规划算法，以克服上述技术问题。