为应对复杂环境中的无人机路径规划难题，针对传统鲸鱼优化算法(WOA)存在的过度依赖全局最优、种群多样性不足以及后期搜索能力欠缺等问题，提出了一种改进的GWOA方法。在算法构建上，首先在种群初始化阶段引入佳点集策略以提升解的多样性；其次采用动态自适应权重机制来加速收敛并降低早熟风险；最后设计了最优邻域扰动算子以增强局部开发能力，从而有效弥补WOA在全局搜索精度与收敛速度方面的不足。在实验部分，先通过基准测试函数验证了改进算法的性能，再在仿真环境下构建三类无人机飞行路径规划场景进行对比。结果表明：在第一类山区场景中，GWOA相较ABC、GWO、WOA和DBO的性能分别提升21.17%、7.86%、5.34%和5.83%；在含有禁飞区的第二类场景下，提升幅度为23.56%、3.82%、9.36%和12.92%；而在第三类更加复杂的环境中，提升比例则达到35.56%、18.96%、4.55%和4.80%。结合动态障碍测试结果显示，改进的GWOA算法不仅在收敛速度和解的精度上表现突出，而且在不同约束条件下依然能够生成更优路径，体现出较高的鲁棒性与环境适应能力。