现代战争中,无人机、巡航导弹的低空、超低空突防与防御已成为攻防双方争夺的重点。低空飞行器飞行任务规划的主要内容就是为飞行器选择一条生存和作战效能最佳的飞行航线:航线必须满足地形跟随、威胁回避等各种导航要求,使低空飞行器具有较高的战场生存能力和打击精度。航迹规划是飞行任务规划的重要组成部分,对行就规划算法进行研究具有重要的理论和实用价值。遗传算法是一种有效的解决复杂问题的方法。遗传算法的最大特点是其并行性和全局寻优性,特别适用于航迹规划这类多目标规划问题的求解。但是其存在一个明显的缺点就是初始阶段收敛速度较快,当接近最优解的时候搜索速度明显变慢,且容易陷入局部最优。基于以上原因,近年来产生了多种改进的基于遗传算法的三维的航路规划方法,但是在规划环境表示,约束条件处理,航路的生成和计算性能方面都各有不同。本文对几种基本的航迹规划算法进行了比较,通过把地形高程数据和各种威胁以及飞行器性能约束相结合建立起约束条件模型,针对低空飞行器三维航迹规划问题提出了一种将遗传算法和模拟退火相结合的方法。根据飞行器机动性能和低空突防的特点,设计了有效的遗传算子,并使用模拟退火算法能较好的接近全局最优解的优点,抑制了遗传算法的早熟现象,规划出了一条整体代价最小的航迹。本文最后根据此改进的遗传算法采用真实的数字高程模型数据进行了仿真,结果表明该算法具有良好的适应性,能满足地形跟随——威胁回避的突防要求。