当代海上活动愈加频繁,对海面移动目标的搜索需求也日益增加,这些海面移动目标一般具有活动范围广、距海岸线远等特点。在此场景下,传统搜索方法除了对人力的大量需求,在面临未知海面环境下还会具有高风险性,极可能对搜索人员造成伤害,而多无人机的广覆盖性、高效性以及低成本恰可以发挥重要作用。为了高效的完成搜索任务,实现多无人机之间协同控制及决策,本文主要做了以下工作:基于多智能体系统的集群协同框架,设计了一种基于Voronoi分区的分布式多无人机搜索决策方法。由于缺少目标的先验信息,本文将目标搜索问题转换成任务区域不确定迅速收敛问题,当任务区域内的不确定度收敛至0时可认为搜索任务完成。首先每架无人可以通过多维度的感知地图表征对环境信息的认识情况:没有发生通信的情况下,无人机根据传感器探测信息和贝叶斯规则更新目标存在概率地图,并且将其扩展为不确定信息图;通过集群内部通信连接,完成信息的交换与融合。其次,设计了优化不确定度和发现目标概率的综合效能函数以及基于滚动时域优化思想建立了多无人机分布式决策模型,利用群体智能算法中的经典粒子群算法对子系统问题迭代求解。最后,通过仿真对比,得到该策略比其他的搜索策略具有更好的性能,大大提高了不确定度的收敛速度,从而验证了策略的可行性和合理性。在特定的海面场景下,本文重点解决了目标移动带来的信息延迟问题和大规模场景带来的易陷入局部探测问题。重点分析海面特征,建立海面气象参数和无人机历史探测信息衰减速率的相关关系,通过不确定度地图的更新机理有效引导无人机对已搜索区域的回访,从而有效应对环境的动态变化。为了避免无人机在局部区域进行重复性搜索从而忽略高价值区域的问题,本文采用了基于Voronoi的区域分割的方法,在一定程度上提高了不确定度的收敛速度。除此以外,该区域分割方法在应对无人机新增、坠毁的情况具有良好的鲁棒性,且减少了计算复杂度,提高了无人机集群决策效率。