随着无人机技术的日益增长与完善,无人机以其廉价和灵活的特点使得越来越受人们的关注。在军事领域,救灾现场,智能交通,环境监控等场景下都相继出现了无人机的身影。在未知环境中,通过派遣无人机代替有人侦察机执行任务,不仅能够避免不必要的人员伤亡,同时,也能有效降低费用开销。在受灾现场执行目标搜救的任务中,无人机面对的是一个复杂的搜索场景。在这样场景中,具有区域范围大,待搜救的目标分布具有不确定的特点。由于无人机自身的续航能力和探测精度的限制,单架无人机往往难以应对这样场景下的任务需求。采用多无人机协作系统,能够有效提升无人机对复杂任务的适应能力。目前多无人机协作方式主要有集中式和分布式两种。常见的集中式模型有长机-僚机协作模型,对于这样的模型,在实际任务中容易受到不确定因素的影响,一旦长机遭到破坏,则整个团队也会因此而失效。对于分布式协同模型来说,即使是团队中某一成员受到破坏,也不会对团队整体造成致命性的打击,其鲁棒性相比要优于集中式模型。本文针对未知的搜索场景,通过分析传感器的探测模型,采用了目标概率地图描述了目标的位置分布信息,并设计了一个分布式多无人机协作系统框架。在这个系统框架中,主要包含无人机群体-环境关系模型,以及无人机之间的关系模型两部分。无人机群体-环境关系模型,是一个分布式模型,各无人机独立搜索探测未知环境目标信息,并更新本机的目标概率地图。无人机之间的关系模型,表示了各无人机之间信息交互的方式。通过目标概率地图信息进行交互与融合,实现多无人机协同工作。无人机在搜索的过程中,不断地获取环境中的目标位置信息,根据无人机采取的动作以及搜索到目标的信息收益,在线更新自己的动作决策,这一过程与强化学习中马尔可夫决策过程高度契合。本文通过马尔可夫决策过程进行搜索策略优化,并对多种优化求解算法进行了分析讨论。