林业无人机可以加配各类高精度传感器,是一种灵活性高、造价较低的新型林业信息采集装备,目前已被广泛用于对林区的关键信息进行监测。相较于传统林业信息监测方式,基于多无人机协同的林区信息监测策略能够有效解决其成本昂贵、采集时间长、信息时效性差等问题。本文遵循多无人机协同信息监测系统执行时的真实需求,面向林业飞行器的目标分配与轨迹规划难点展开科研,重点解决多模型不一致、分配时间长、轨迹规划不合理等问题。本文围绕上述研究目标与研究问题,开展如下研究:1.针对复杂的林区实际环境情况与无人机动力学约束,本文构建了林区多无人机协同信息监测问题的数学模型。首先建立了合理的数字化林区环境仿真模型;然后基于惯性坐标系与机体坐标系,确定了林区监测无人机的动力学模型;接着以高效率分配与路径代价值最低作为本文优化目标,同时考虑了多机系统在执行任务时所面临的环境碰撞威胁、航程限制、转角限制、多机时序限制等多种约束,构造了含有多项等式与不等式约束条件的多无人机目标分配与路径规划优化方程,并使用惩罚函数与比例缩放因子对上述约束实现了松弛化。2.针对多无人机协同林区信息监测目标分配问题开展研究。本文通过分析传统差分算法处理目标分配问题时的缺点与不足,建立了适应于目标与无人机数量不匹配情况的统一化模型;然后提出了基于垂直侧视图的航程代价预估法、统一基因编码规则和离散差分映射规则,并且结合自适应动态算子提出了一种基于离散映射规则的自适应差分进化算法;最终通过与同类型的Sort-DE、PMX-DE等差分计算方法进行的大量重复试验对其高效性进行了验证。3.针对多无人机协同林区信息监测路径规划问题开展研究,并提出了一种基于SPIO算法的多无人机林区轨迹规划方法。多无人机根据目标分配结果,需要规划适应于个体的航路,本文针对这一优化问题采用了改进鸽群算法进行求解。首先改进原始鸽群算法中的罗盘算子,提出了比例搜索步长、自适应罗盘算子等改进措施,并在地标算子阶段提出了动态压缩策略、余弦曲线位置更新策略等改进措施;通过与PIO、PSO等算法的比较试验,证明了本文SPIO算法在无人机全局路径规划方面,具有更高的算法的运行效率与解集质量,同时生成的路径更平滑,符合林业监测无人机的实际飞行需求。本文对多无人机林区信息监测方案中所面临的目标分配与路径规划两个关键问题依次开展研究,分别提出了DMADE算法与SPIO算法来解决这两个问题,旨在提高系统各环节的执行效率与质量,并通过试验对其性能进行了验证,完成了林区信息监测方案的总体设计与仿真。