多无人机的协同目标分配是无人机技术发展的一个热门趋势。多个无人机与目标之间的分配问题对任务执行过程的灵活性和效率有很大影响。根据现有协同技术的发展程度,单架无人机在实际的无人机作战中也很受欢迎。当然,真正的战场环境是动态多变的,单一的无人机执行各项任务将会面临多项挑战。目标分配是无人机规划中重要的一个部分,是无人机协同作战的关键,具有非常重大的研究意义。任务分配主要包括两部分,对问题建模和对建模内容进行算法求解。本文主要围绕目标分配的两个方面建模和求解,从基于单目标优化模型和基于多目标优化模型两个方面进行分析。主要的研究内容和主要工作包括:研究单目标优化模型问题。针对单目标优化只考虑无人机在侦察或攻击过程中的距离代价、时间代价或者威胁代价等单方面代价问题,根据无人机和目标的数量是否平衡分配,分别建立了TSP模型、指派模型、运输型模型。针对三种任务模型,使用了遗传模拟退火算法、匈牙利进化算法进行求解。针对模拟退火算法在对模型优化时不擅长全局搜索的缺点,首先在对个体的解操作前,进行遗传进化操作。针对匈牙利算法在求解高维的问题中收敛速度慢和准确度比较差的缺点,本文加入了进化算法中对种群的操作,来提高匈牙利算法的优化效果。对于运输问题当中的多兵力问题,无人机和目标的数量不是对等的,采用普通的匈牙利算法是无法处理非方阵问题,本文采用加边补值的匈牙利算法。研究多目标优化模型问题。针对多目标优化模型的构造问题,大多数模型中构造目标函数并没有综合考虑实际战场中的损耗代价部分和目标收益部分的问题,本文综合考虑四个部分的代价。将飞行航程最小模型、飞行时间最短模型、损耗代价最小模型、目标收益最大模型四部分统一建立多无人机目标分配模型。针对现有遗传算法解决目标分配的问题,很容易陷入局部最优解。本文提出了混合优化遗传算法,加入贪心算法的思想,来提高典型遗传算法的局部搜索能力,同时,改进了选择算子对个体使用灾变算法,改进交叉算子映射规则,来丰富个体的多样性,避免陷入局部最优解。