多无人机系统任务规划问题普遍存在于协同作战、数据收集、灾难救援等多个领域。该问题的研究目的在于控制无人机系统在复杂多样的任务环境中,按照最佳任务分配策略、任务执行顺序以及最优航行路线,以尽可能少的资源消耗高效地完成指定任务。高质量的任务规划方案对提高无人机系统的协作效率具有重要意义。首先,针对静态环境下的多异构无人机系统任务分配问题,构建了具有资源有限、任务优先级、负载均衡等多重约束的任务分配优化模型。针对遗传算法求解速度与精度的不足,提出了模糊精英度的概念,以优化和平衡算法运行过程中优良基因的传递和种群变化的强度。另外,提出了两种解锁方法来解决随机优化过程中的死锁问题,增强了算法的搜索能力。其次,针对具有多重障碍的静态环境下的多异构无人机协同任务规划问题,提出了离散自适应搜索鲸鱼优化算法。针对避障约束所带来的高计算复杂度,提出了避障距离估计方法来精简任务场景信息,加快算法收敛;针对鲸鱼优化算法只能求解连续问题的弊端,提出了基于交叉的更新方法;针对算法后期探索能力不足的问题,提出了搜索强度自适应机制和新的解更新机制,通过合理优化解空间的探索和开发强度快速获取高质量的任务规划结果。最后,针对动态环境下的多无人机系统协同任务规划问题,提出了增强SOM神经网络算法,提高了无人机系统在动态作业环境下的快速适应能力。针对SOM算法求解精度不高的问题,提出了质量参数来评估任务的综合价值,以更有效地利用环境信息。另外,提出了新的权值更新机制,综合利用环境、优化过程等更丰富的信息指导神经元训练,有效提高了算法精度。同时,提出了神经元删除机制进一步提高了算法的快速性。综上所述,针对静态环境和动态环境下的多无人机系统协同任务规划,本文分别提出了改进的启发式算法和SOM算法,提高了无人机系统在多种作业环境下的任务执行能力。仿真结果验证了所提出算法的有效性和优越性。