无人机在现代化的生活中扮演着越来越重要的角色,逐步完成从军用到民用,从功能单一到功能多样化,从单无人机到多无人机协同工作的转变。多无人机协同目标搜索是无人机研究领域的重要研究内容,既属于无人机航迹规划领域的研究范畴,又属于多智能机器人协同工作的研究领域。作为“飞行机器人”,多无人机协同工作在人工智能领域占据着不可或缺的位置,在军事战争中协同攻击、森林火灾中区域监视、抗震救灾中物品投放、农业管理中喷洒药物、快递物流中物件运送等领域均有应用。在多无人机协同目标搜索中,各个无人机如何更好的协同工作,提高搜索效率,降低搜索代价,显得尤为重要。本文首先介绍了多无人机协同目标搜索的研究背景、意义及其它相关方面的研究,包括蚁群算法的原理、应用等。通过使用蚁群算法解决了单个无人机目标搜索问题,进而提出采用多群体蚁群算法解决多无人机目标搜索问题,增加动态目标收益与协同等功能,设计出整个算法流程。本文中的多群体蚁群算法,同一个蚁群群体中蚂蚁之间信息素具有引导启发的作用,不同蚁群群体之间信息素具有排斥的作用,兼具有正负反馈机制,更加适用于多目标组合优化问题。采用轮盘赌选择法,既尽可能的选择含有目标的概率大的方向,又避免贪婪式的选择,增加选择的多样性,又避免收敛速度过快。在目标搜索过程中,发现某个目标后动态调整该目标的搜索收益,避免因目标期望因子的影响对目标的重复搜索。信息素在更新的过程中选择每代中的最佳路径进行更新,促进算法向较优的路径靠拢,加速算法的收敛。每个蚂蚁进行编号,不同群体相同编号的蚂蚁为一个组合,精准化的组合增加了蚁群群体搜索的解空间。根据蚂蚁出动方式的不同,分为多群体蚁群算法搜索策略A和策略B,作为对比实验验证其不同之处。增加环境的复杂度,验证无人机在有障碍条件下的飞行效果,在无人机目标搜索区域内增加禁飞区域,并设计了禁飞区策略,多无人机在飞行过程中可以及时避开禁飞区域,也体现出了良好的协同效果。通过MATLAB软件仿真实验,验证本文所提到的各种算法。设计出随机搜索算法与贪婪搜索算法作为对比实验,在搜索环境和基本参数相同的条件下,设定唯一变量,进行多组实验对比,多方面对比,收集丰富的实验数据,综合对比分析不同算法的特点及其优劣性。结果表明,多群体蚁群算法尤其是多群体蚁群算法策略B算法性能最好,都优于随机搜索算法和贪婪搜索算法,其搜索到的目标数更多、协同性能更好、搜索代价更低。