La aplicación de algoritmos de planificación de rutas de UAV en 3D en ciudades inteligentes y edificios inteligentes puede mejorar la eficiencia logística, aumentar las capacidades de respuesta ante emergencias y proporcionar servicios como la navegación interior, brindando así más comodidad y seguridad a la vida y el trabajo de las personas. La idea principal del problema de planificación de rutas de UAV en 3D es cómo planificar para obtener una trayectoria de vuelo óptima mientras se asegura que el UAV no colisione con obstáculos durante el vuelo. Este documento transforma el problema de planificación de rutas de UAV en 3D en un problema de optimización multiconstraint al formular la función de costo de longitud de ruta, la función de costo de seguridad, la función de costo de altitud de vuelo y la función de costo de suavidad. Este documento codifica cada ruta de vuelo factible como un conjunto de vectores que consisten en magnitud, ángulos de elevación y acimut, y busca la trayectoria de vuelo óptima en el espacio de configuración mediante un algoritmo metaheurístico. Posteriormente, este documento propone un algoritmo de optimización de enjambre de atunes mejorado basado en una estrategia de ponderación no lineal sigmoide, un operador de mutación gaussiana de múltiples subgrupos y una estrategia genética de individuos élite, llamado SGGTSO. Finalmente, el algoritmo SGGTSO se compara con algunos otros algoritmos metaheurísticos clásicos y novedosos en un problema de planificación de rutas de UAV en 3D con nueve escenarios de terreno diferentes y en el conjunto de funciones de prueba CEC2017. Los resultados de la comparación muestran que la trayectoria de vuelo planificada por el algoritmo SGGTSO supera significativamente a otros algoritmos de comparación en nueve escenarios de terreno diferentes, y el rendimiento de optimización de SGGTSO supera a otros algoritmos de comparación en 24 funciones de prueba CEC2017.