航迹规划是实现飞行器自动导航的一项关键技术,它是随着信息获取手段和信息处理技术的发展而发展起来的一门跨学科的研究课题。由于飞行器的飞行环境异常复杂,约束条件众多,因此航迹规划算法成为任务规划中最具挑战性的问题。航迹评价是一个多因素决策问题,它综合考虑航迹各方面因素,对航迹优劣性进行客观、准确的评价。现有的航迹规划方法有数学优化方法、确定型搜索方法、随机型搜索方法等。这些方法存在着组合爆炸危险或收敛时间不确定等缺点。航迹评价方法有简单加权法、层次分析法、逼近理想排序方法等,这些方法都以判断矩阵为核心,显著地受决策者的主观影响。本文将通过对现有算法进行改进来缩短规划时间,提高算法的实用性,并且结合人工神经网络建立航迹评价模型,对航迹的优劣性进行评价。本文首先对航迹问题进行建模,分别从空间模型、航迹表达、约束条件和规划算法四个方面对航迹问题进行描述,并给出了航迹代价的选取规则及归一化方法。其次,重点研究了飞行器全局航迹的规划方法。对A*算法的原理及其性质进行分析,并研究了三维稀疏A*航迹搜索算法,通过对其时间复杂性的分析,找出该算法的瓶颈所在,从规划空间的划分和估计函数的改进两个方面对该算法进行改进。实验证明,这种改进提高了算法的时间效率。最后,本文将人工神经网络方法应用到航迹评价中。建立航迹评价指标体系,并给出了归一化方法,根据BP神经网络建立航迹评价模型。对改进的BP学习算法进行了研究,其中Levenberg-Marquardt学习方法收敛速度较快,适合于本文所建立的模型。实验证明本文建立的模型,能够较准确地对航迹优劣程度进行评价。