随着现代科技的进步，无人飞行器（Unmanned Aerial Vehicle，UAV）技术得到了快速发展。无人飞行器因其成本低、零伤亡、适应性强等诸多优势，在军事情报收集、侦察、打击等方面得到了广泛应用。然而，现代战场环境和作战任务复杂多变，以及敌方防空火力的不断加强，给UAV的应用带来了新的挑战。受物理性能的限制，单个UAV已不能满足日益复杂的任务需要，多UAV协同成为一种重要的作战方式。　　本文以战场环境中多个UAV组成编队协同打击多个目标点的复杂任务为研究对象，根据任务要求将其分为多航迹规划、协同时间、目标分配等几个部分，并分别对每一部分的子问题进行研究，从而得到多UAV协同规划任务的整体解决方案。　　首先，针对战场环境中的不确定性和协同规划任务的复杂性，为一对发射点、目标点之间同时规划出多条备选航迹，以提高UAV应对突发威胁的应急处理能力和协同规划的灵活性。建立了基于自适应聚类遗传算法的多航迹规划方法，将航迹间距离作为聚类的依据，同时规划出具有明显空间分布差异的多条备选航迹。针对航迹评价的多目标性和模糊性的特点，提出了基于物理规划的航迹评价方法，并将其应用于聚类遗传算法的航迹评价中，克服了传统权重方法中人为因素的干扰，实现了多目标航迹评价和进化求解的一体化。　　其次，利用多航迹规划的结果解决多个UAV打击同一个目标点的协同时间问题。定义了协同变量和协同函数，建立了从UAV决策到编队代价的映射关系，并将问题分解为两层：根据综合协同函数确定使得编队整体代价最优的协同变量值；根据最优协同变量值得到每个UAV的最优决策，即选择的航迹和飞行速度。针对多个UAV同时发射和存在发射间隔两种情况，基于UAV的协同函数曲线，分别设计了不同的扫描线法，从而得到使得UAV编队整体代价最优的协同方案。　　第三，针对存在多个UAV和多个目标点的复杂任务，研究了多UAV目标分配问题。从打击可靠性出发，将目标点的打击成功率作为约束，建立多目标数学规划模型。对模型进行变换，采用改进的功效系数法将其转化为单目标MILP模型，用CPLEX直接求解并进行参数分析。针对大规模问题直接求解效率低的情况，设计拉格朗日启发式算法，以损失一定的最优性为代价，大幅提高了算法的求解速度。　　最后，在UAV打击目标点的末端，研究了考虑UAV运动约束的轨迹规划。根据UAV的运动特性建立轨迹规划的最优控制模型，通过最大值原理推导出最优轨迹的特点。针对简单轨迹，根据UAV和目标点位置的几何关系，通过更新状态方程得到轨迹的解析形式。对于多UAV协同打击同一个目标点的情况，综合考虑UAV的机动性能约束、威胁区约束、多UAV协同约束和集结区约束，建立多UAV协同轨迹规划的多阶段最优控制模型；采用Gauss伪谱法将多阶段最优控制问题转化为非线性规划问题，从而得到满足多UAV协同打击要求的最优轨迹，实现UAV制导、控制一体化。