随着战场环境的日益复杂,无人机作战任务日益多样作战范围日益扩大。无人机的作战方式开始从单架次独立作战的方式向着多架次、多类型的机群作战方向发展。相比于无人机的单机作战模式,多类型无人机系统的作战任务一定是由多架次、不同类型的无人机协同完成的。通过对多类型无人机之间协同作战的体系结构和协同任务分配的研究,可以使系统完成的任务类型更为多样,同时任务完成的质量和效率也获得较大程度的提高。为了更好地利用和协调多类型无人机系统资源,提高多类型无人机的作战效能,本文对分布式多类型无人机任务分配进行了研究。以无人机执行空对地任务为研究背景,以攻击作为重点,将不同的目标分配给不同的无人机或无人机组,多机协同任务分配问题具体表现为多机协同目标分配问题。根据实际战场环境的需要,将任务分配分为预分配和突发机制下的重分配。其中以预分配阶段的多机协同任务分配为研究重点,初步研究了在突发机制下的任务重分配。本文所做的主要工作如下:(1)根据多类型无人机系统作战范围大、目标较为分散的特点,研究了基于地理位置的目标聚类方法。分析了传统的K均值算法在求解该问题中的不足,并针对不足研究了K均值的改进方法。对传统的方法和改进的方法分别进行仿真试验并对两种方法的仿真结果进行定量的评价,得出改进的K均值方法在求解该问题时优于传统的K均值方法。(2)预分配阶段的任务分配,是利用多目标优化理论,将多类型无人机任务分配问题描述为多目标优化问题。采用了一种引入决策者偏好信息和保持多样性的多目标优化进化算法PIMOEA,对该算法进行了仿真验证,仿真结果表明PIMOEA算法可以有效地解决多UCAV协同任务分配问题,引进了决策者的偏好信息可以减轻决策者的负担,是一种有实际应用性的求解方法。(3)突发机制下的重分配阶段以一个编队为研究对象,给出了在一个编队里的系统框架。采用了基于多Agent分布协同拍卖的任务分配算法,该算法是一种分布的、以“实时性”为目的的动态目标分配算法,在运用算法前可以预先设定算法的时间限制,通过仿真验证了该算法可行性。