Los algoritmos evolutivos exhiben flexibilidad y ventajas de búsqueda global en la planificación de rutas de múltiples UAV, abordando eficazmente restricciones complejas. Sin embargo, cuando hay numerosos obstáculos en el entorno, especialmente pasajes estrechos, el algoritmo a menudo tiene dificultades para encontrar rápidamente una ruta viable. Además, las restricciones de colaboración entre múltiples UAV complican el espacio de búsqueda, lo que hace que la convergencia del algoritmo sea un desafío. Para abordar estos problemas, proponemos un nuevo algoritmo híbrido de optimización por enjambre de partículas llamado PPSwarm. Este enfoque emplea inicialmente el algoritmo RRT* para generar una ruta inicial, identificando rápidamente una solución factible en entornos complejos. Posteriormente, adoptamos un método de planificación por prioridades para asignar prioridades a los UAV, simplificando la colaboración entre ellos. Además, al introducir una estrategia de aleatorización de rutas, mejoramos la diversidad del enjambre de partículas, evitando así soluciones óptimas locales. Los resultados experimentales muestran que, en comparación con algoritmos como DE, PSO, ABC, GWO y SPSO, el algoritmo PPSwarm demuestra ventajas significativas en términos de calidad de ruta, velocidad de convergencia y tiempo de ejecución al abordar problemas de planificación de rutas para 40 UAV en cuatro escenarios diferentes. En experimentos a mayor escala que involucran 500 UAV, el algoritmo propuesto también exhibe una excelente capacidad de procesamiento y escalabilidad.