通过多种策略对基本麻雀搜索算法(SSA)进行改进，以解决麻雀搜索算法后期由于种群多样性丢失而导致的全局优化精度和速度问题。首先，改进无限折叠迭代映射(ICMIC)初始化种群，将自适应分段步长因子引入麻雀探测器的位置更新公式中，使麻雀搜索算法观察者的固定比例系数随迭代次数动态变化。然后，将观察者的位置与新公式和正弦余弦算法(SCA)相结合，并干扰先前的观察者步长。最后，在基准测试函数上比较了改进的麻雀搜索算法(ISSA)、麻雀搜索算法(SSA)、鲸鱼算法(WOA)、灰狼算法(GWO)、改进的灰狼算法(CGWO)、正弦余弦算法(SCA)和粒子群优化算法(PSO)的收敛性和准确性，并将其应用于路径规划。实验表明改进的麻雀搜索算法具有良好的优化性能。