随着科学技术的发展,高精密武器的成本越来越高,而各个国家的军费增长是无法跟上武器技术进步带来的成本增长的,这也使得无人机蜂群这类高效费比的饱和打击方法受到各个国家的重视,而无人机蜂群协同任务分配是其中不可或缺且的一环。本文调研了相关的无人机任务分配模型和当前应用较多的任务分配模型求解算法,并根据无人机蜂群执行一次性打击任务的特点,创建了适用于无人机蜂群的远距离任务分配模型和近距离任务分配模型。改进了多种群进化算法用于求解远距离任务分配模型,在算法中采用了一种简化的编码方式;并去掉了传统进化算法中的交叉算子,采用局部基因位置互换的方法来补充因去掉交叉算子而减弱的产生新解的能力;在多种群间的基因交流中加入了模拟退火算法,提高了算法的收敛速度。进行了任务分配试验,验证了加入模拟退火算法提高了算法的稳定性和加快了算法收敛速度。进行了重复运行试验,测试了基因数量、种群数量、进化代数三个因素对于效益值和时间成本的影响,为后续算法参数的选择提供了依据。改进了离散粒子群算法用于求解近距离任务分配模型,在算法中采用了类似基因编码的方式对无人机蜂群进行离散编码,使粒子群算法可以应用于离散的任务分配求解。并采用了向个体极值学习和向群体极值学习的更新方式,使算法能够快速寻优。进行了任务分配试验,验证了改进离散粒子群算法在打击能力欠缺、打击能力匹配和打击能力富余的情况都能能够快速收敛的特性。进行了重复运行试验,采用控制变量法对比了种群数量、种群粒子数量和迭代次数对算法性能的影响,为后续算法参数的选择提供了依据。最后采用c++多线程编程进行了连续的仿真试验。在针对改进多种群进化算法进行的仿真试验中,验证了采用多种群进化算法进行无人机蜂群任务分配的有效性。在针对改进离散粒子群算法进行的仿真试验中,验证了采用改进离散粒子群算法进行无人机蜂群任务分配的有效性。在针对两种算法联合使用的仿真试验中,远距离情况下的任务分配采用改进多种群进化算法,近距离情况下的任务重分配采用改进离散粒子群算法,相较于使用单一算法,两种算法联合使用使算法的整体性能得到提高。