无人机集群具有作战能力强、体系生存率高以及攻击成本低等诸多优势,必将成为未来无人机应用于战场的主要形式。而科学、高效的任务规划方法是实现集群作战优势的核心,对于提高系统作战效能具有重要意义。本文针对复杂作战环境下的集群协同搜索、饱和攻击以及动态对抗3类典型作战任务,研究了集群自主任务规划方法,主要工作内容如下:首先,针对无人机集群协同搜索自主任务规划问题,建立了无人机状态空间模型、集群动态拓扑交互模型、以及协同搜索任务优化模型,考虑到搜索过程中无人机的在线避障与防撞问题,引入了人工势场对蚁群算法的状态转移规则进行改进,提出了混合人工势场-蚁群优化(HAPF-ACO)算法实现无人机的协同搜索决策。仿真结果表明,所设计HAPF-ACO算法与传统方法相比具有更优越的搜索覆盖性能,且具备无人机在线避障与防撞能力,以及良好的实时性,更适用于求解大规模无人机集群协同搜索问题。然后,针对无人机集群饱和攻击自主任务规划问题,以敌方目标全系统对抗为背景,通过分析无人机对敌方防御系统的突防概率,提出了无人机饱和攻击数计算方法;在此基础上,考虑饱和攻击任务中的时间以及空间协同要求,设计了基于一致性算法的分布式包围控制器,实现多无人机同时到达目标附近,且均匀分布在目标包围圈上,对目标实施同步多点饱和攻击,并通过仿真验证了所设计方法的有效性。最后,针对无人机集群动态对抗自主任务规划问题,研究了双方集群状态、数量以及通信网络动态变化条件下的无人机实时作战决策方法。针对目标分配决策问题,考虑到大规模无人机集群系统对实时性的要求,设计了分布式扩展ICBAA算法进行求解,并引入攻防偏好因子实现集群作战策略的调整。针对集群运动决策问题,在经典生物群集“SAC”行为规则的基础上,引入无人机的攻击和防御行为,建立了基于SAC-OD规则的集群运动模型。仿真分析了无人机集群动态对抗过程及其影响因素,为实际作战策略的选择提供了指导。