随着科技的发展,犯罪分子的危害、隐匿和逃逸手段也逐渐高科技化,以无人机代替警员和城市固定摄像头来实现城市安全监控是今后的一大发展趋势。由于任务场景逐渐复杂及任务难度逐渐增大,多无人机协同技术成为一个极具热点的研究领域。无人机群的任务分配问题是协同技术中的一个关键性问题。因此,本文以城市环境为背景,提出了面向目标追踪的智能任务分配方法。针对带有语言偏好的多指标任务分配问题展开研究,提出了离线模糊多指标智能任务分配方法。首先,以无人机群追踪距离、任务分配结果均衡性和完成时间为指标函数,将无人机群任务分配问题转化为多指标优化问题;其次,考虑决策者对于不同指标的语言偏好,将指标间的相对重要性转化为指标的松弛期望满意度序,将原模型转化为模糊多指标任务分配模型,为了平衡优化和偏好,进一步分解为两阶段模糊任务分配模型;基于以上问题,提出了基于自适应鸽群算法的任务分配方法,并设计了拍卖机制实现鸽群位置的解码转化,获得考虑语言偏好的任务分配方案。最后,对该方法进行了仿真,并与粒子群算法进行性能对比。考虑大规模无人机群的在线任务分配问题,研究了基于动态分簇的在线分布式智能任务分配方法。首先,使用K-medoids等聚类算法划分无人机和目标子群体,并通过块信息共享策略实现子群体的动态分簇,防止分配结果陷入局部最优。其次,针对子群体内任务分配问题,提出了基于拍卖算法的智能任务分配方法,无人机通过信息共享交换竞拍信息,并使用多指标鸽群算法智能更新竞拍价格,实现任务分配。然后,考虑了包括新增无人机等四种突发事件,为避免冗余重分配,减少计算次数,基于事件触发思想,提出了无人机群在线任务重分配方法。最后,仿真验证了该方法的可行性和优势。本文对无人机自组网和任务分配展开研究,研究了无人机自组网的拓扑控制问题,并提出了基于拓扑控制的任务分配方法。首先,以节约功耗、降低干扰为目的,通过离散鸽群算法对无人机群自组网网络进行了拓扑控制;然后,以优化后的拓扑结构为基础,为在不影响分配结果的基础上进一步缩短分配时间、节约能耗,将分布式智能任务分配方法的通信流程进行了简化;最后,通过仿真对比证明了所提方法的有效性和正确性。