随着战争形式变化发展和武器装备体系完善,多无人机协同执行任务成为现代战争的基本要求和未来发展趋势。其中,无人机航迹规划和协同任务分配是实现无人机应用于军事作战的两个必不可少的条件,传统的航迹规划和任务分配操作推进缓慢且难以满足战斗需求,想要高效地将无人机应用于军事战斗中还有许多困难需要克服,因此有必要对其进行研究和改进。本文的研究无人机群从我方基地起飞后,在自身燃油的限制情况下,如何能够在最短的航程内完成对战场环境内各可疑目标点的侦查、情报收集,通过情报数据,规划出对我方最有利的任务分配方案。蚁群算法在求解组合最优问题上能够在较短时间内得到令人满意的解,更适用于瞬息万变的对抗环境,同时也存在一些不足,据此,本文做了以下几点工作:(1)在军用无人机侦查航迹规划中,针对蚁群算法容易陷入局部最优的不足,对挥发系数作自适应调整,兼顾算法前期搜索范围和后期收敛速度,并且为避免早熟和加速收敛,在迭代最优路径中加入局部搜索策略。(2)在规划无人机航迹问题上,创新性地运用了双蚁群思想,两组蚂蚁并行独立求解,每组蚂蚁分别利用另一组蚁群在路径上释放的信息素进行优化,保证了蚂蚁搜索路径的质量。(3)在解决军用无人机任务分配问题中,为使打击任务更有针对性,基于传统蚁群算法对启发函数进行重新定义,将战术目标价值与启发信息相结合,引导蚂蚁向战术价值高的点进行转移,提高我方战场优势。结合战场实际,考虑武器打击命中率,对没有打击成功的目标可以实施再次打击,使研究更具有实战意义。(4)利用蚂蚁组同时对路径进行搜索共同构造解的方式来提高算法时效性,设立公共禁忌表,达到无人机群协同目的,通过更改信息素更新方式和选择策略,降低初始几代蚂蚁对后续蚂蚁的影响,并在蚂蚁的选取上增加随机性,增强蚂蚁对未知路径的探索能力。本文对数据集solomon eil30进行测试求解,通过与文献算法进行实验对比和结果分析,本文改进后算法在无人机航迹规划中能保证获得最短航路,任务分配上更加合理、贴近实战要求,证明了改进后算法在多无人机作战规划问题中的可行性和有效性。