地震发生后,及时有效的进行灾区救援能极大程度的减少人员伤亡和财务损失。为了使救援计划事半功倍,在救援工作刚开始展开时,及时了解灾情尤为关键。无人机可以跨越地理限制进行巡逻,勘察灾区受灾情况。然而在救援时,往往设备紧缺,而勘察节点多,使之形成的任务集错综复杂。这导致多无人机系统协同效果下降。因此,本文基于群组角色指派（Group Role Assignment,简称GRA）对灾区救援的无人机巡航指派进行研究。灾区救援时紧急、突发、具有时效性的,而救援时物资往往匮乏,为此高效合理的指派方式是无人机灾区巡航指派问题的关键。为解决无人机灾区巡航指派问题,本文以无人机指派问题进行研究,主要研究内容包括:（1）无人机灾区巡航指派问题建模。使用角色协同（Role-Based Collaboration,简称RBC）理论与E-CARGO模型抽象无人机灾区巡航指派问题。本文针对RBC的角色协商过程,提出了一种带约束的聚类算法‘k-均值约束’,将无人机巡航任务进行组合重组成新任务集作为角色（Role）。分析代理与角色间的关系、耦合与约束,进行形式化建模。（2）无人机灾区巡航指派问题。为分析角色和代理之间的协作关系,本文利用蚁群优化（Ant Colony Optimization,简称ACO）算法求解出无人机完成各个任务集的巡航路径,根据路径距离建立GRA中的代价评估矩阵。最后,根据评估矩阵使用GRA寻求一个最优的指派结果,形成完整的无人机灾区巡航指派方案。（3）多对多无人机巡航协同指派优化。针对无人机灾区巡航指派问题的基础上,进一步考虑多对多指派提高多无人机协同效率,最大化无人机利用率。本文利用群组角色多对多指派（Group Multi Role Assignment,简称GMRA）与带合作与冲突约束的群组角色指派（Group Role Assignment with Cooperation and Conflict Factors,GRACCF）求解无人机多对多协同指派问题。分析问题中角色与角色之间的协作和冲突关系,形成协作冲突矩阵。根据协作冲突矩阵使用GMRA与GRACCF对为多对多无人机巡航协同指派快速求解。大规模实验表明上诉所提出的模型与算法,能快速收敛,在秒级内对无人机灾区巡航进行指派。‘k-均值约束’算法、无人机灾区巡航指派与多对多无人机巡航协过程快速可靠,能高效并精确地部署通无人机巡航任务,对无人机执行灾区中继救援任务形成重要支撑。