多无人机协同任务规划是无人机指挥控制中的重要组成部分,解决的是在充分理解任务意图后,对于任务中无人机具体的行为进行规划安排的问题。它包括了多无人机的目标分配和航迹规划两个步骤。目标分配是为了以低代价、高效益完成各个子目标的指派,从而更充分的发挥多无人机的优势;航迹规划是在无人机确定了各自的目标点后,对具体飞行路线进行求解,使其安全、高效地到达目标点处。在多无人机协同目标分配问题中,目前研究大多以飞行时间或者飞行成本最低为目标采用单目标求解或者采用将多目标转化为单目标进行求解,而多无人机执行任务应对包括完成效果在内的多个目标同时进行优化,这是一个亟待解决的问题。本文在分析了遗传算法的基础上提出了一种改进的多目标遗传算法,用以求解多无人机目标分配。采用了随机方法生成初始种群,用以保证Pareto最优解集的分散性和均匀性,并引入了相对最优策略以决定解集中的最终方案。在多无人机协同航迹规划方面,本文对于人工势场法进行了优化以求解二维和三维多机路径生成问题。常规人工势场法拥有高效率、高安全性和高实时性的特点,但传统方法存在目标不可达问题、狭窄通道问题和抖动问题等缺陷,且所规划路径不够平滑,无法适应三维复杂环境。对此提出了优化的人工势场法,具体改进如下:(1)引入距离因子在理论层面弥补传统人工势场法易陷入局部极值点而无法到达目标的不足;(2)提出了动态步长调整法解决规划航迹抖动现象,以获得更平滑的路径;(3)改进了斥力函数,将无人机同伴的斥力影响纳入考虑,以实现协同防碰撞。对于所研究的两个子问题构建了仿真模型,并采用了优化的多目标遗传算法和人工势场法进行了多组实验。在目标分配方面,将无人机的探测、干扰效率与飞行成本作为目标,与传统单目标优化相比,本文提出的改进方法能使得完成任务的效益较大而飞行成本尽可能小,证明了该优化模型和算法的有效性。在航迹规划方面,首先进行了同高度层的多无人机复杂环境进行仿真模拟;然后对同一垂直面多无人机穿越狭窄通道进行模拟;最后引入三维复杂环境,尤其增加了攀爬策略以提高三维防撞的效率。实验表明了优化人工势场法的有效性。本文主要研究了多无人机的协同任务规划方法,尝试采用了两个优化算法以分别求解其两个步骤的规划方案。文章对于多无人机的指挥控制以及自主飞行等具有一定的理论价值和应用价值。