现代战争中,无人机在空战和空地联合作战中都占据重要地位并发挥着巨大作用。然而,从战术任务起飞点出发,躲避所有障碍物并且避免敌方探测器的嗅探和攻击,安全飞行并最终到达任务终点,是无人机在诸多战术应用中的首要任务,是执行一系列任务的前提和保障。因此,无人机需要一条满足任务需求的飞行路径,需要有效的路径规划方法来获得。除此之外,无人机战术路径规划的常规仿真方案中,无论是环境感知、态势评估、飞行控制、无人机自身传感数据的收集和传送,都因存在环境模型模拟不足、态势感知力度不足、无人机自身仿真模拟不足、过程仿真模拟不足、周期跟踪不足等问题而造成不可避免的误差,而对无人机路径规划研究进行实机开发和测试又是一项成本高昂、繁琐且耗时的工作。针对上述问题:（1）本文提出了一种基于灰狼优化算法改进的全局路径规划方法,名为SOSLY-IGWO算法,用以解决传统算法复杂度高、早熟收敛等问题。在这个改进算法中,针对灰狼算法后期收敛速度变慢、易陷入局部最优两个问题,引入莱维飞行随机策略和共生生物搜索算法进行改进,通过与其它三种算法的对比,验证了本文算法在躲避威胁和收敛速度方面更优。（2）其次,针对战场环境中突发的移动威胁,本文基于卡尔曼滤波法预测下一时刻移动威胁的信息,并使用人工势场法引导无人机移动到安全位置,从而达到局部路径重规划以躲避威胁的目的。（3）本文提出了一种基于AirSim的无人机虚实映射仿真验证平台,通过以实映虚的手段,避免无人机相关算法在开发、测试和迭代时频繁且复杂的真机测试,将这些工作转移到仿真环境,并且有效实现算法从仿真环境移植到真实环境中时尽可能减少改动,以达到成本控制的目标。为提高模拟精度,使仿真效果更加逼真,本文以AirSim为基础,结合所研究无人机物理实体的关键要素来设计无人机路径规划虚实映射仿真模型和模拟验证环境。通过对仿真结果分析,评估相应路径规划算法的效能,为该算法的后续改进和开发提供方法借鉴和实践指导。