Los vehículos autónomos submarinos (AUV) han obtenido una amplia aplicación en la explotación de recursos marinos. La navegación asistida por el terreno (TAN), como un método de navegación autónoma preciso y confiable, se utiliza comúnmente para la navegación de AUV. Sin embargo, su precisión se degrada significativamente en características del terreno auto-similares o en incertidumbres de medición. Para superar estos desafíos, proponemos un nuevo marco de navegación asistida por el terreno que integra un Algoritmo de Depredadores Marinos Mejorado con optimización de Búsqueda en Profundidad (DFS-IMPA-TAN). Este marco mantiene la precisión de posicionamiento en terrenos parcialmente auto-similares a través de dos mecanismos sinérgicos: (1) optimización impulsada por IMPA basada en la explotación adaptativa inspirada en el hambre para determinar transformaciones de trayectoria óptimas, en cascada con filtrado de Kalman para la corrección del estado de navegación; (2) un gestor de hipótesis de Árbol Robusto (RT) que mantiene candidatos de trayectoria potenciales en memoria estructurada en grafos, empleando Búsqueda en Profundidad para la resolución de ambigüedades en la coincidencia de características. La validación experimental a través de simulaciones y pruebas en vehículo demuestra las ventajas distintivas del marco: (1) asociación consistente del terreno en topografías parcialmente auto-similares; (2) resistencia inherente al error contra mediciones de características ambiguas; y (3) estabilidad de navegación a largo plazo. En todos los grupos experimentales, el error cuadrático medio del marco se mantuvo alrededor de 60 m. En condiciones adversas, su precisión de navegación mejoró en más del 30% en comparación con otros métodos tradicionales de procesamiento por lotes de TAN. El análisis comparativo confirma un rendimiento superior sobre métodos convencionales en condiciones desafiantes, estableciendo DFS-IMPA-TAN como una solución de navegación robusta para AUV en entornos submarinos complejos.