目前,随着飞行器航迹规划技术的日益成熟和任务执行多样性的提升,多飞行器的航迹规划和任务协同也逐渐成为了各个国家研究的主要方向。编队飞行器航迹规划与任务协同主要就是利用优化算法和分配策略完成针对多个飞行器的航迹规划和任务分配,使多个飞行器能够共同完成较为复杂的任务。在此背景下,本文对编队飞行器航迹规划方法和多飞行器任务协同分配方法进行了研究,主要开展了以下工作:针对编队飞行器航迹规划问题,采用经典的领航-跟随编队飞行方式。在编队中设置领航飞行器,并以此领航飞行器为研究对象,对航迹规划的空间、飞行器航迹表示方法、约束条件和目标函数等进行建模,求解领航飞行器的航迹,并以此航迹作为编队参考航迹,支撑后续编队中其他飞行器进行航迹规划。在参考航迹求解过程中,利用粒子群算法等群体智能算法的并行特性,提出了经过并行化改进的算法DTPPSO(Dynamic Topology Parallel Particle Swarm Optimization)。最后的仿真表明,相比于传统的粒子群算法PSO(Particle Swarm Optimization)和传统并行粒子群算法PPSO(Parallel Particle Swarm Optimization),该算法具有更快的收敛效率和更精确的求解能力,同时适用于动态变化的并行计算环境,具有较强的稳定性和鲁棒性。在计算出编队的参考航迹后,以领航飞行器的参考航迹为标准,根据编队成员之间相对的位置构型关系,计算出编队中各个飞行器的理论航迹。同时,将编队飞行器构型保持和人工势场法相结合,在计算出编队中各飞行器的理论航迹后,如果编队中存在与禁飞区或者威胁区域相冲突的飞行器,则根据该飞行器与领航飞行器和障碍之间的相对位置关系,重新规划局部的编队飞行器航迹,使编队避开禁飞区或威胁区,进而完成编队飞行器的航迹规划。针对编队飞行器任务协同问题,首先建立基本任务模型,对任务执行过程进行简化,将上述任务规划问题转化成任务分配及任务轨迹规划问题。其次,根据任务目标点地理位置信息利用聚类算法将多个任务目标点进行分类,将多飞行器多目标点任务规划分解成单一飞行器的任务规划问题,并将不同的任务分组与编队中飞行器进行匹配,将任务规划问题简化成满足约束的“旅行商”问题。在此基础上,通过引入任务可行距离和任务执行点的概念对上述问题求解模型进行改进,缩短了任务路径,并利用模拟退火算法与粒子群算法进行求解,给出最终的任务协同分配方案。