随着自动化领域的飞速发展,无人机在军事空战领域方面发挥着十分重要的作用。而无人机任务规划技术是该系统中最重要的技术之一,因此,对无人机任务规划问题展开研究具有重要的理论与实际意义。本文研究内容主要包括以下三个方面:研究了基于遗传-改进蚁群融合算法的无人机航迹规划问题,将遗传算法得到的较优解初始化蚁群的信息素,从而提高了蚁群算法的收敛速度。为了避免原算法陷入局部极值的问题,将其状态转换规则进行了改进。对于突发威胁问题,采取动态步长可调策略进行规避,并采用梯度下降法进行航线平滑处理。仿真结果表明,本文提出的算法不仅可以安全避开威胁,而且收敛速度较快。针对多机多目标的空战任务规划问题进行了研究,依据无人机与目标的相对距离、转弯角度以及负载均衡条件建立目标函数,并考虑了多机协同等约束条件,给出基于自组织神经网络的多机任务分配方法。然后,利用本文提出的融合算法进行多机航迹规划。该方法能够有效完成任务分配与航迹规划,且各机之间资源分配较均匀,并验证了该方法的有效性和适用性。针对多无人机集结动态协同航迹规划进行了研究。首先,给出了不确定条件下的多机集结协同航迹规划方法,其中包括在线路径重规划及协同航迹规划。然后建立多机同时集结模型,采用一致性算法,实现了多无人机集结的时间上趋于一致。仿真分别验证了有/无突发威胁的两种情况,表明在动态协同航迹规划方法及分散化控制器下多机能够较好地实现同时集结问题。