Para el problema de planificación de rutas de múltiples UAV, se discuten en este documento la modelización ambiental y un algoritmo de optimización basado en inteligencia de enjambre mejorado. En primer lugar, para alinearse con la realidad, se consideran restricciones específicas de los UAV en movimientos, actitudes y altitudes, amenazas del mundo real como radares y zonas de exclusión aérea, y colisiones entre UAV. Así, la planificación de rutas de múltiples UAV se transforma en un problema de optimización multiobjetivo con restricciones. En consecuencia, se propone un algoritmo de optimización de nuez mejorado para resolver este problema. A través de la inicialización con mapeo caótico logístico y la estrategia de aprendizaje inverso de imagen de lente, se produce una población de inicialización élite más adecuada para aumentar la eficiencia de la planificación de rutas. Además, al ajustar parámetros adaptativos e integrar una estrategia de búsqueda seno-coseno mejorada, se logra un equilibrio entre la capacidad de exploración global y la capacidad de explotación local durante la planificación de rutas. Los resultados experimentales muestran que el algoritmo de optimización de nuez mejorado supera a otros algoritmos en términos de velocidad de convergencia y valor de convergencia, lo que lo convierte en un método efectivo para la planificación de rutas de múltiples UAV.