在现代化军事任务中,无人机被广泛地用于执行各种高危任务,例如地形勘察,电子干扰,定向打击等,可以有效地降低任务成本,避免人员伤亡。在执行任务之前或过程中,对无人机的飞行轨迹进行规划,即航迹规划,是无人机任务规划系统的重要工作之一,也是顺利完成各种飞行任务的前提保障。目前,如何对航迹进行有效规划,已经成为了一个研究热点。本文针对复杂环境中的无人机航迹规划问题进行了深入研究,针对全局航迹规划问题和航迹重规划问题,分别给出了有效的解决方法。针对全局航迹规划问题,首先考虑无人机自身约束,建立了全局航迹规划模型。然后提出了一种改进的天鹰优化器（MSIAO）,该算法能有效地求解全局航迹规划模型。针对航迹重规划问题,提出了一种改进的批处理先验知识树算法（IBIT*）,该算法在保证航迹质量的同时,显著地减少了时间开销和节点数量,可以有效地解决航迹重规划问题。本文主要完成的工作和所作的贡献如下:1.对航迹规划理论基础进行了研究,分析了无人机航行环境,探讨了数字高程模型相关知识,对飞行环境的建模方法和航迹规划算法的分类进行了深入研究。2.针对全局航迹规划问题,考虑无人机物理性能约束,建立了优化模型。为求解该模型,在天鹰优化器中引入了Tent混沌初始化,增强了种群多样性;提出了非线性判定策略,平衡了算法的探索和开发能力;加入了随机反向学习与越界位置对称映射处理策略,提升了算法寻优性能。之后将其在12个标准测试函数上与粒子群、哈里斯鹰等智能优化算法进行了对比,结果表明本文算法能够更出色地解决优化问题。3.针对航迹重规划问题,分析了不同规划方式的优劣,确定了本文所用策略。为提升算法的响应速度,对批处理先验知识树进行了改进,提出了采样数量自适应调整,最优扩展边快速收敛策略和多种快速终止判断策略,提高了算法求解效率;引入了删除冗余节点航迹平滑策略,增强了航迹的实用性,并对改进算法进行了对比分析。4.对本文的所有算法进行了三维仿真。针对全局航迹规划,将本文算法与粒子群、人工蜂群等算法用于模型的求解,从求解结果、算法稳定性、收敛速度进行对比,结果表明本文算法表现更为优秀。针对航迹重规划,与多个典型算法进行了对比,从时间开销、节点数量、航迹长度等方面证明了改进算法具有更为优秀的综合表现。5.选取了秦岭地区的一块真实地形数据,使用Unity3D设计了一个航迹规划仿真平台,以参数设置可视化的方式,添加了雷达、禁飞区等多种典型的威胁模型,完成了航迹规划的可视化仿真工作,证明了本文所完成工作在实际场景中的可用性。