当今时代,随着国家科技水平等综合国力的提升,战场应用环境下单架无人机由于携带资源有限,越来越难以满足复杂环境下的多目标打击任务,因此无人机在未来战场中的应用开始朝向以多无人机协同执行打击任务的方向发展。而研究多无人机的任务规划方法,能够使集群中各无人机以尽可能小的资源消耗获得较大的收益,进而提高集群作战效益,增强无人机集群整体的鲁棒性。现如今对无人机集群任务规划的研究主要包括任务分配和航迹规划两大部分,相应研究内容包括模型建立和算法求解。而现有算法针对战场环境下的无人机集群协同执行打击目标的任务过程中缺乏对战场约束条件的考虑,同时集群任务规划过程中对算法的动态响应效率需求比较高,这一问题也限制了无人机集群执行目标打击任务的时效性。针对以上问题,本文主要研究工作如下。首先,设计了一种基于改进遗传算法的多无人机任务预分配方法。将模拟退火算法Metropolis准则融入遗传算法中,同时设计了变步长退火降温方法对遗传算法选择和变异两个环节进行改进,解决了遗传算法收敛速度慢、易陷入局部极值问题。其次,设计了一种基于合同网算法的多无人机任务重分配方法。针对传统合同网算法在实时重分配过程中通信量大、时效性低的情况,设计了一种基于任务序列机制的合同网算法,并将交换机制作为优于买卖机制对当前剩余任务进行重分配。最后,设计了一种基于改进PRM算法的多无人机航迹规划方法。利用改进的PRM算法可以基于任务的不同环境选取适当规模的采样点数量为每架无人机规划执行多个任务的连续航线,并针对实际执行任务中的突发情况根据实际位置实时规划合理的航迹,以适应不断变化的任务序列。仿真结果表明,本文设计的任务规划方法能够有效根据资源为每架无人机设计合理的任务序列,并针对突发情况及时更新任务执行序列,同时可以及时为每架无人机设计出合理的航线,节省了任务规划时间。