随着船舶技术的发展,海洋已成为人类生存活动所需的重要场所。无人船在海面航行具有体积小、速度快、自主能力强和灵活程度高等特点,已成为海面任务执行的关键手段,在海面任务中能够减少经济损失和人员伤亡。但随着任务需求的逐渐增加,单艘无人船的任务执行能力受限,多无人船协同能够提高任务执行效率,在理论研究和实际应用中具有重要价值。任务规划作为多无人船协同的关键技术,对提升无人船的自主能力起到至关重要的作用。多无人船任务规划是一个强耦合和高复杂的研究课题。本文提出了一种分层结构的多无人船任务规划框架,并对框架中的任务分配和路径规划两部分展开研究,具体研究内容如下:针对任务分配,本文主要研究在集中式控制下基于同构无人船的任务分配问题。首先对任务分配问题建模,并考虑海面环境中的岛屿区域和无人船自身的任务载荷对任务分配结果的影响,建立约束模型。在岛屿区域约束下,任务分配方法能够避免无人船在任务执行过程中发生远距离绕行,增加航行路径。在任务载荷约束下,任务分配方法能够决定无人船的派遣数量,减小任务成本。随后基于混合聚类模型提出了一种改进Kn A算法求解多无人船的任务分配模型,并提出了一种任务重分配策略解决海面任务的不确定性问题。最后通过仿真实验证明改进Kn A算法在岛屿区域和任务载荷约束下都具有较好的分配性能。针对路径规划,可以分为多任务路径规划和单任务路径规划。本文提出了一种分区进化遗传算法（PEGA）用于求解无人船的路径规划。PEGA算法将种群中的个体分为直接遗传、交叉变异和回收三个区域,对不同区域执行不同操作产生下一代种群。在多任务路径规划求解中,通过多种算法仿真对比证明PEGA算法在搜索能力和稳定性方面都具有突出表现。在单任务路径规划求解中,本文设计了最短路径、最平滑路径、最安全路径和最少能耗路径约束模型,并通过仿真实验证明PEGA算法能够在不同目标约束下搜索出最优路径,满足无人船的任务执行需求。