El algoritmo del Optimizador de Lobo Gris (GWO) es reconocido por su simplicidad y facilidad de implementación, y se ha convertido en un método preferido para resolver problemas de optimización global debido a su adaptabilidad y capacidades de búsqueda. A pesar de estas ventajas, los algoritmos existentes de planificación de rutas para Vehículos Aéreos No Tripulados (UAV) a menudo se ven obstaculizados por tasas de convergencia lentas, susceptibilidad a óptimos locales y robustez limitada. Para superar estas limitaciones, mejoramos la aplicación de GWO en la planificación de rutas de UAV al mejorar su función de evaluación de trayectorias, el factor de convergencia y el método de actualización de posiciones. Proponemos un modelo colaborativo de planificación de rutas para UAV que incluye análisis de restricciones y una función de evaluación. Posteriormente, se introduce un modelo Mejorado de Optimizador de Lobo Gris (NI-GWO), que optimiza el coeficiente de convergencia utilizando una función no lineal e integra el algoritmo de Enfoque de Ventana Dinámica (DWA) en el modelo basado en la aptitud de los lobos individuales, lo que le permite realizar tareas de evitación de obstáculos dinámicos. En la etapa final, se emplea una plataforma de simulación de planificación de rutas para UAV para evaluar y comparar la efectividad de los algoritmos originales y mejorados. Los resultados de la simulación demuestran que el algoritmo NI-GWO puede resolver eficazmente el problema de planificación de rutas para UAV en entornos inciertos. En comparación con los algoritmos de Optimización por Enjambre de Partículas (PSO), Colonia de Abejas Artificiales (ABC), GWO y MP-GWO, el algoritmo NI-GWO puede alcanzar el valor óptimo de aptitud y tiene ventajas significativas en términos de longitud promedio de la ruta, tiempo, número de colisiones y capacidades de evitación de obstáculos.