La planificación de rutas es un tema de investigación fundamental para habilitar el vuelo autónomo en vehículos aéreos no tripulados (VANT). Un algoritmo de planificación de rutas efectivo puede mejorar significativamente la eficiencia operativa de los VANT en entornos complejos como áreas urbanas y montañosas, ofreciendo así una cobertura más amplia para diversas tareas. Sin embargo, los algoritmos de planificación de rutas existentes a menudo enfrentan problemas como altos costos computacionales y una tendencia a quedar atrapados en óptimos locales en entornos 3D complejos con múltiples restricciones. Para abordar estos problemas, este documento presenta una optimización híbrida de conejos artificiales de múltiples estrategias (HARO) para una planificación de rutas eficiente y estable de VANT en entornos complejos. Para simular de manera realista escenarios complejos, introducimos modelos de obstáculos esféricos y cilíndricos. El algoritmo HARO equilibra las fases de exploración y explotación utilizando una estrategia de conmutación de exploración dual y un mecanismo de memoria de migración de población, mejorando el rendimiento de búsqueda y evitando óptimos locales. Además, se propone una estrategia de optimización de trayectoria de retención de puntos clave para reducir puntos de ruta redundantes, disminuyendo así los costos de vuelo. Los resultados experimentales confirman el rendimiento superior de búsqueda del algoritmo HARO, planificando rutas más eficientes y estables en entornos complejos. La estrategia de retención de puntos clave reduce efectivamente los costos de vuelo durante la optimización de la trayectoria, mejorando así la adaptabilidad.