在电子商务的带动下,物流企业业务量迅速增长,但是各大物流企业普遍面临乡村物流“最后一公里”难题。采用无人机配送这一解决途径被各大物流企业普遍看好,但仍存在一些技术瓶颈阻碍了物流无人机的进一步发展。本文重点研究了其中一项典型难题,即无人机配送的航迹规划问题。首先,本文研究了无人机航迹规划必要的相关理论,包括物流无人机航行环境、航迹规划的数学原理、航迹表示形式以及数字高程地图的建模理论,重点探究了基于数字高程地图的静态或运动型突发障碍物的表示。然后,本文基于无人机航迹规划的实际任务流程,分别建立了无人机离线静态航迹预规划模型以及无人机在线动态航迹修正模型。并在此基础上,考虑了导航系统定位精度受限的条件下,物流无人机的误差修正问题,进一步扩展了无人机在航迹规划时的考虑因素,增强模型的鲁棒性和可靠性。同时,为提高无人机航迹的求解精度和求解速度,本文重新设计了无人机航迹规划模型的求解算法。本文研究分析了无人机航机规划的各类经典算法的优缺点,在此基础上,选取最新的狮群算法作为基础算法,结合量子局部搜索和反向学习策略对其进一步改进。之后通过标准测试函数,将改进算法与遗传、粒子群等经典群体智能算法进行对比,验证改进算法的性能,实验表明改进狮群算法在求解优化问题上具有更为出色的性能和表现。最后,本文设计了具体的模型仿真参数,并使用本文提出的改进狮群算法求解航迹规划模型,以检验模型和算法所求的物流无人机航迹的合理性和可靠性。实验表明,本文所提出的模型,顺利的解决了物流无人机的航迹规划问题,所求航迹成功地完成了突发型静态或运动型障碍物的躲避并且及时修正了飞行误差。本文在进行仿真实验同时,进一步对比了改进狮群算法与遗传算法、粒子群算法、狮群算法在求解实际优化问题时的性能,实验表明改进狮群算法在求解物流无人机航迹的问题,依然具有出色的表现,其收敛速度更快,陷入局部最优解的概率更低。