La planificación de rutas de vehículos aéreos no tripulados (UAVs) en áreas amenazantes y adversas es un problema óptimo no lineal restringido que tiene en cuenta una gran cantidad de restricciones estáticas y dinámicas. La optimización inspirada en palomas de comportamiento cuántico (QPIO) se ha aplicado ampliamente a tales problemas no lineales. Sin embargo, el QPIO convencional sufre de baja velocidad de convergencia global y óptimos locales. Para resolver los problemas anteriores, se propone en este documento un algoritmo QPIO mejorado, QPIO con operador adaptativo. En primer lugar, se introduce un nuevo proceso de inicialización basado en el método de mapeo logístico para generar la población inicial del enjambre de palomas. Después, para mejorar el rendimiento de la operación de mapa y brújula, el parámetro del factor se actualizará de forma adaptativa en cada iteración, lo que puede equilibrar la capacidad entre la búsqueda global y local. En la operación final de puntos de referencia, se introduce una estrategia de actualización gradual de la población de palomas para evitar la convergencia prematura y el óptimo local. Finalmente, se presenta la demostración del algoritmo propuesto en el problema de planificación de rutas de UAV, y el resultado de la comparación indica que el rendimiento de nuestro algoritmo es mejor que el de la optimización por enjambre de partículas (PSO), la optimización inspirada en palomas (PIO) y sus variantes, en términos de convergencia y precisión.