近年来,地震等自然灾害愈发频繁。每当灾害发生的同时,就会有大量的人力物力投入到抢险救灾,灾后重建的事宜之中。无线传感器网络,无人机等设备在灾害场景中发挥越来越重要的作用。由于此类无人系统的可提前部署性灵活,机动性高,智能性强,可以在灾害预防,灾害初期的数据获取,以及灾后实时监测场景下发挥重大要的作用。本文主要是针对多个无人机集群在震后进行大范围无线传感器节点监测数据采集任务场景进行研究,解决无线传感器节点分布广,无线传感器节点不易更换电源,需要节约能耗的问题。针对多个地点分布的无线传感器节点簇,由于在震灾产生时通信基础设施遭到严重破坏,无法将产生的所有节点信息汇聚到数据中心,所以派出若干个无人机集群进执行数据采集任务。针对任务分散范围广的特性,必须研究多目标点多无人机集群的任务分配问题。针对灾害场景复杂多变的特性,每个无人机集群必须拥有在线任务重分配的能力,以应对复杂的场景。在到达目标点后,如何针对该地点无线传感器节点簇地理位置分布的特点,合理的规划无人机的航迹与采集顺序,从而节约无线传感器节点的能耗,也是必须研究的重要研究点之一。首先,针对离线任务分配问题,本文提出了一种改进的免疫多智能体算法作为离线任务分配问题的求解方法,通过改进算法的优化操作及给抗体赋予空间位置,提高算法的精度及收敛性能,规划出了全局最优的任务分配方案。改进的免疫多智能体算法相较现存算法收敛性提升较多,能够得到数值最优解。其次,针对在线任务的重分配问题,本文提出了一种改进的自适应离散布谷鸟算法作为在线任务的重分配算法,通过引入自适应步长变换以及合适的局部优化算子,加快算法的收敛速度,使其适用于在线重分配的实时场景。在线分配算法在损失较少一部分准确性的条件下,提升了算法收敛的速度,提高了实时性,适用于在线任务分配的复杂场景。最后,针对数据采集目标点的航迹及通信设计问题,本文建立了多无人机的数据采集能耗节省问题的数学模型,通过连续凸近似和块坐标下降的方法对其进行最优解的求取。仿真证明算法能够获得问题的优质解,较现有的采集模式极大地降低了节点传输数据的平均能耗。综上所述,本文实现了在多无人机集群数据采集场景下的任务执行效率最优化及无线传感器节点能耗的最小化。