伴随着各国科技的不断进步,现代战场的形势日益复杂,无人机在现代战争中所具备的优势也得到了充分的体现。随着无人机在战场中所需要执行任务难度的加大,多无人机作战模式逐渐取代了早先的单无人机作战模式,因此需要对多无人机协同任务规划的能力进行进一步的升级。本课题主要研究多无人机协同任务规划问题,主要针对两个部分,第一部分为多无人机任务分配,合理的任务分配是多无人机协同任务规划能否顺利进行的保证,第二部分为多无人机航迹规划,优质的航迹规划是多无人机协同任务规划的核心内容。针对多无人机任务分配问题,本文提出了分支定界算法进行解决。根据现代战场的需要,为了更好的完成任务,多无人机群会拥有多种不同类型的无人机。由于每架无人机本身的属性存在着差异,根据任务的不同需求,选择合适的无人机执行任务就变成了指派问题。分支定界法可以通过不断的拓展分支来发现任务分配的可行解,通过划定可行解的界限来控制分支的搜索方向,进而找到任务分配问题的最优解。针对多无人机航迹规划问题,本文根据多无人机航迹规划过程中可能遇到的问题,提出了航迹规划的避障策略,分别对圆形、多边形以及长方形障碍物进行避障检测。针对圆形以及多边形障碍物,本文通过对其进行线性化处理,统一视为对圆形障碍物的检测。针对无人机的体积问题,本文对障碍物进行膨胀处理,避障策略为航迹规划所产生的路径节点不得处于圆形障碍物的外接正方形内。针对长方形障碍物,本文通过判断航迹规划过程所产生的路径节点与相邻节点的连线是否与长方形障碍物的任何一边相交,以此来进行长方形障碍物的碰撞检测并将避障策略转化为直线与矩形的相交问题。本文通过这两种方法很好的解决了无人机航迹规划过程中的避障问题。针对多无人机航迹规划的算法问题,本文提出了快速搜索随机树算法(RRT算法)。RRT算法是一种采用增量方式增长的随机采样算法,其中随机数的生长是尤为关键的步骤,包括任务树从某一点开始向周围搜索的策略选择以及向目标点进行探索的距离确定。本文针对这一问题,对RRT算法的概率参数以及步长参数进行测试对比,选取了适合解决航迹规划问题的对应参数。针对无人机航迹规划已提出的RRT算法,为了得到更加优质的航迹路线,本文对这一算法进行了优化改进。改进后的算法先通过RRT算法得到一条满足任务需求的航迹路线,然后为已有节点重新选择父节点并重布随机树线以得到一条优于原航迹路线的路径。在对RRT算法及改进后的RRT算法进行模拟实验后,通过对比实验结果本文得出结论,在生成路径时,改进后的RRT算法生成的航迹路线拐点更少并且航迹路线更加平滑,即改进后的RRT算法生成的航迹路线要优于改进前算法生成的航迹路线。