随着无人机（Unmanned Aerial Vehicle,UAV）技术与相关研究的快速发展,无人机的应用场景越来越丰富,特别是在一些战场环境中使用时,可以极大地降低飞行员们的死亡概率。但是由于战场环境日益复杂,无人机需要执行的任务的难度也越来越大,无人机作战模式正逐渐由原先的单无人机作战转变成多无人机协同作战,因此多无人机作战任务规划已经成为目前无人机作战领域研究的热点与难点。多无人机作战任务规划主要包括两个部分,分别是上层的任务分配和下层的路径规划。本课题主要以协同侦察和对敌防空压制两类典型任务为背景,研究多无人机协同作战时的任务分配问题。针对协同侦察任务,考虑任务完成代价以及平衡各无人机的工作量,本文利用了图论中的理论与方法,将无人机及侦察任务点抽象成图中的顶点,无人机在各个任务点之间的飞行路径抽象成图中的边,飞行距离当做边的权重,共同组成了一个带权无向完全连通图。然后,使用克鲁斯卡尔算法和广度优先遍历算法获取到一个合适的初始任务分配解。最后,通过在不同侦察任务组之间转移任务来寻找帕累托最优解。通过仿真实验验证了该算法的可行性,并与模拟退火算法进行对比,验证了其有效性。针对对敌防空压制任务,本文研究了异构多无人机在线执行搜索与攻击时的任务分配问题。考虑无人机携带的弹药资源与攻击目标所需要的资源,当无人机资源无法满足目标需要时,基于合同网算法的思想,通过无人机的招标和投标,组建一个合适的无人机联盟来完成攻击任务。为了实现饱和攻击,联盟组建完成之后,通过杜宾斯曲线重新规划联盟中各无人机的轨迹,使之长度相等,并同时到达目标。为了精确计算无人机的能量消耗,本文还针对固定翼无人机,利用空气动力学理论,推导了无人机的能量消耗模型。在此基础之上,根据不同优化目标的需要,建立了相应的数学模型,并设计了求解算法。针对最小化任务完成时间目标,提出了一种两段式的分配算法,先获取到最少任务时间联盟,再对其进行剪枝,去除不需要的无人机。对于最小化无人机能耗需要,将其转换成0-1整数规划问题,并使用切平面法对其进行求解。然后,同时考虑任务完成时间和无人机能耗,提出了一种基于合同网和资源树的算法。最后,设计了三组仿真实验验证了所提出的算法的可行性与有效性。