针对传统蜣螂优化(Dung Beetle Optimization,DBO)算法在复杂环境下无人机航迹规划中表现出的稳定性差、寻优能力不足问题,提出一种融合复合种群策略与自适应t分布扰动的DBO算法(Group-based Optimization and adaptive t-Distribution DBO optimization algorithm,GOTDBO)。GOTDBO在DBO算法的基础上,结合复合种群初始化策略、自适应扰动全局勘探策略和自适应t分布扰动策略,可有效提升算法的全局探索和局部开发能力,提高算法的收敛速度。通过构建综合考虑总飞行长度、转角弯度和最大飞行方向变化的目标函数,并引入惩罚函数法处理路径中的禁飞区和其他约束,进一步优化航迹的平滑性与安全性。实验结果表明,在航程上,在不同复杂环境的场景中应用GOTDBO算法规划航程时,该算法能规划出紧凑高效的航迹,在最大航程指标上表现出色,可有效提升续航经济性;在威胁规避方面,采用GOTDBO算法规划的航迹接近威胁区域的次数最少,飞行安全性更高;在高度控制上,高度偏离程度低,能稳定精准控高。虽在航迹平滑度上与其他算法相当,但GOTDBO算法在多核心指标上优势显著,在无人机航迹规划中节能高效、安全可靠,具有高应用价值与广阔前景。