无人机应用于水环境监测时,受其飞行性能限制无法一次性的对所有区域进行监测,无人机的飞行航迹直接影响其使用效率。其次,不同的监测任务对航迹规划的要求也不同,例如在无人机平常巡逻时要求其对待监测目标点的总监测时间尽可能的长,而一旦由于某些原因更改待监测目标点时希望尽快的生成可行航迹或者次优航迹。此外,与陆地飞行环境相比,无人机在水环境下飞行具有更大的风险性。传统航迹规划仅人工给出飞行航迹点,无人机根据此航迹点进行飞行,不但无法高效的使用无人机完成监测任务,而且忽略了无人机在水环境中飞行的安全性。因此,研究无人机水环境监测中的航迹规划具有重要意义。本文以用于水环境监测的无人机为研究对象,根据不同的监测任务需求规划出优化的飞行航迹。本文的主要工作总结如下：研究了无人机在水环境监测中的应用,综述无人机航迹规划现状及常用算法,提出了其在水环境监测中航迹规划的要求,介绍了遗传算法及模拟退火算法基本特点及算法流程等。根据无人机在水环境监测中的任务要求,建立了无人机航迹规划数学模型。首先引入了航迹规划分层思想,然后对航迹规划问题进行数学描述并研究了航迹约束条件,根据任务需求建立了目标函数。研究了无人机在水环境监测中的整体航迹规划。针对遗传算法容易陷入局部最优解的特点,采用了一种遗传-模拟退火算法。设计了一种极坐标编码方式解决了最小步长约束,使用遗传算法对无人机整体航迹进行求解。然后在该解的基础上,使用遗传-模拟退火算法进行优化。仿真结果表明,本文采用的遗传-模拟退火算法可以获得比遗传算法更优的航迹,即是本文的最优航迹。研究了无人机在水环境监测中的在线航迹规划,提出了基于遗传算法的在线航迹规划算法。首先以整体航迹规划得到最优航迹为参考航迹,使用在线航迹规划方法进行处理,研究了该方法的计算时间复杂性。仿真结果表明,该方法可以快速的生成可行航迹甚至次优航迹。