随着信息通信技术的普及与发展,以及基础硬件性能的提升,如今“万物互联”的概念已经深度渗透至人类社会的各个层面,集群智能领域正是在这一浪潮下得以快速发展。大规模无人系统作为集群智能的最常见应用情景,被研究人员给予厚望,以无人机系统为代表,希望通过集群化的方式使之具备更强大的效能,以解决各类复杂任务并具备自主决策能力。而对于无人机一类具备高自由度的运动源,路径规划能力往往作为必需组件,用以支持其自主决策的执行。尽管通过结合如机器视觉等技术,路径规划算法于无人机自主决策的研究已十分成熟,当问题由单机迁移至集群情景,随着相关约束条件的增加,线性地将单机路径规划算法进行移植难以适应集群化任务的需求,为此需要对算法及问题模型进行调整。在实际情况下,环境特征较为复杂,我们需要一方面构建合理的模型并保留环境的主要特征;另一方面当集群规模上升,系统整体决策成本将快速累积,需要设计合理的方式对问题空间进行稀疏化处理,尽可能降低系统整体的决策开销。此外,对于集群而言,分散协同比集中协同更有意义,故需要引入修正机制使集群在保证相对分散性的同时尽可能维持任务的高效性。本文以栅格化的方式对全局环境信息进行离散化建模,结合集群组网方式,详细设计了各节点态势的更新与维护机制。在以朴素的图搜索法的基础上,引入了决策开关的概念,用以进行时间尺度下的问题空间稀疏化处理,改善整体决策消耗。另一方面,为应对任务复杂性增长所带来的约束扩张,同时保证整体决策的均摊高效性,本文还引入了“多层次协同路径规划”算法。该算法通过多层次划分与特征过滤来减少问题空间规模,并组合局部规划路径以逼近全局最解。最后通过实验仿验证了上述思路的可行性。