Con el rápido desarrollo de la economía de baja altitud y la logística inteligente, los vehículos aéreos no tripulados (VANT), como plataformas centrales de baja altitud, se han aplicado ampliamente en la entrega urbana, el rescate de emergencia y otros campos. Aunque la planificación de rutas en entornos complejos se ha convertido en un foco de investigación, la optimización y programación de los VANT bajo restricciones de ventana de tiempo y asignaciones de tareas siguen siendo insuficientemente estudiadas. Para abordar este problema, este artículo propone un marco algorítmico mejorado basado en una estructura de dos capas para aumentar la inteligencia y la eficiencia de coordinación de la planificación de rutas de múltiples VANT. En la etapa de planificación de rutas de la capa inferior, considerando las limitaciones del algoritmo de optimización de ballenas (WOA), como la convergencia lenta, la baja precisión y la susceptibilidad a óptimos locales, este estudio integra un mecanismo de aprendizaje inverso, un factor de convergencia no lineal, una estrategia de generación de números aleatorios y el principio del algoritmo genético para construir un IWOA mejorado. Estas mejoras fortalecen significativamente la capacidad de búsqueda global y el rendimiento de convergencia del algoritmo. Para la asignación de tareas de la capa superior, el ALNS mejorado (IALNS) aborda los problemas de óptimos locales en restricciones complejas. Integra la agrupación K-means para la inicialización y un mecanismo de recocido simulado, mejorando la racionalidad de la programación y la eficiencia de la solución. A través de la coordinación entre las capas superior e inferior, se mejora la flexibilidad de la solución general. Los resultados experimentales demuestran que el método de dos capas IALNS-IWOA propuesto supera al enfoque convencional IALNS-WOA en un 7.30% en calidad de solución y un 7.36% en adaptabilidad ambiental, mejorando efectivamente el rendimiento general de la planificación de trayectorias de los VANT.