任务规划技术作为多无人机协同的关键技术,主要分为目标分配和路径规划两个部分。由于目标对无人机存在威胁,在打击过程中可能会造成损伤,故在精确任务规划时需要降低任务代价。但传统规划算法在目标数量扩展时难以收敛,在目标分配阶段易造成分配不均,规划路径时又会导致航迹冗余,规划方案质量不高,损伤概率大,而群智能算法能够针对优化问题能获得高质量的近似最优解。因此,针对目标打击问题,设计基于群智能算法的分阶段任务规划策略,完成多无人机目标打击任务规划研究。主要研究内容包括以下三点:一是研究基于改进遗传算法的多无人机目标分配算法,设计目标分配的数学模型,并采用遗传算法求解目标函数。针对传统遗传算法依赖初始种群优劣的问题,在染色体编码阶段加入亚染色体的概念,避免算法早熟,提高收敛精度;针对变异遗传算子的不稳定性,采用循环变异的方式,使染色体编码序列能够覆盖任务场景中的所有目标,最后通过仿真验证目标分配方案的质量。二是研究基于改进灰狼算法的多无人机路径规划算法,在单机路径规划模型的基础上加入协同代价建立多机路径规划模型,并用灰狼算法规划路径。针对传统灰狼算法易陷入局部最优等问题,采用灾变机制增加种群的多样性和搜索范围,结合Powell算法收敛速度快、精度高的特点,提升算法性能,设计收敛因子非线性调整策略和基于适应度值的位置更新公式,最终利用改进后的灰狼算法实现低代价协同路径规划。三是利用多架无人机搭建物理实验平台,验证群智能算法策略对协同目标打击任务的有效性,通过测试数据分析说明其对目标分配和路径规划问题的实用性。