随着无人机设计和控制技术的不断提升，无人机已能在多种应用场景下承担较为复杂的任务；在军事领域，无人机常被应用于中短距离侦察任务、巡逻封控任务、针对高价值易摧毁目标的打击任务等；在民用领域，无人机常被应用于对目标的跟踪拍摄、对高楼层的消防灭火、对远距离的灾后通信中继、对洪水、滑坡、雪崩、地震等自然灾害的长期跟踪预测等任务。 其中，对无人机完成既定任务影响最深远的即为无人机的航迹规划方法。在无人机机载计算机种搭载适用的航迹规划方法可以使无人机脱离需要飞手操纵的限制，是使得无人机具有自主规划、智能控制的关键手段。无人机在执行任务的途中可能会遭遇任务目标位置变更、途径点突然侦测到威胁或障碍、更换无人机当前任务等情况，此时需要无人机根据目前的姿态状态与位置状态计算出将自身引导至新目标终点的可飞航迹。因此其机上搭载的规划算法需要满足以下要求：解算航迹时能结合无人机自身的飞行性能；解算航迹时能结合当前侦测到的威胁、障碍、禁飞区等使生成的航迹不通过上述区域；解算航迹时能根据地面起伏生成三维航迹；解算时的计算能力要求与解算占用的计算资源满足机载计算机的硬件能力约束。 目前的主流搜索算法主要分为以下几种：基于启发式的搜索算法，通过对路径进行不断计算代价函数选择前进方向，并最终优化抵达至终端节点；基于概率图的采样算法，这种方法通过在地图全局进行概率采样，并不断联结各个节点，当某点最终生成在终点附近，通过回溯联结出整段航迹；基于全局优化的智能优化算法主要通过在整片空间中不断迭代、碰撞、进化等将寻找的次优航迹不断进行优化，最终找到局部或全局范围内的最优航迹。 A*算法是一种典型的启发式搜索方法，它起源于传统的Dijkstra算法，它以栅格地图为最小搜索单元，在每一步都寻找当前路径的最优解，从而找到一条总体路径代价较低的航迹路径。A*算法的搜索速度快，占用的计算资源较小，且经过适当改进可以很好地结合无人机飞行性能的约束，因而被广泛应用于无人机的在线航迹解算。 然而目前的A*算法仍存在以下不足：1、固定翼无人机的航程较长航速较快，运动范围较大，因而其规划空间大。对于大范围的规划空间，A*算法在离散栅格地图进行搜索时难以确定栅格单位，若栅格较小则搜索航迹速度慢并且航迹扭曲，若栅格较大则可能造成无法完成搜索找到合理航迹的情况。2、固定翼无人机在执行某些任务时需要尽可能贴近地面因而需要根据地面地势起伏不断变更高度、躲避障碍，但目前A*算法在扩展到三维时会严重影响其搜索效率使搜索速度急剧降低并占有极大的计算资源。