无人水下航行器(Unmanned Underwater Vehicle, UUV)群体协同作业多任务自主规划主要包含UUV群体协同作业多任务分配和UUV作业多任务航路规划两个方面内容。UUV群体协同作业多任务分配,就是将一个或多个规模较大、复杂度较高的任务依据任务的属性分解成不同类型的子任务,再将子任务依照时间、空间顺序分派给具有相应能力的UUV。UUV作业多任务航路规划,就是当任务分配完成后,规划每个UUV在未知环境下执行任务时的航行路径。本文主要研究工作如下:首先,对UUV群体协同作业多任务自主规划中涉及到的任务和UUV的类型进行了详细描述,并构建了自主规划的模型。在模型中分别对UUV集合、任务集合和任务子集之间的关系进行说明,并设计了自主规划模型的评价函数和约束条件。其次,根据任务和UUV类型的不同,将任务分配分为同构型UUV单类型多任务分配和异构型UUV多类型多任务分配两种分配方式。针对同构型UUV单类型多任务分配,本文采用改进的蚁群优化算法,算法中设计了状态转移概率、任务分配评价函数、信息素更新公式和算法流程。并依照任务和UUV类型匹配的原则,提出了将异构型UUV多类型多任务分配转化为多个同构型UUV单类型多任务分配。然后,针对UUV在水下未知环境,依据任务分配所得任务序列执行任务的过程,建立基于多波束前视声纳视域范围的环境模型。如果UUV所携带的前视声纳在航行路径上检测到障碍物,则可通过该模型获取障碍物的具体位置信息,再调用改进粒子群优化算法生成新的安全路径,成功避过障碍物,进而实现未知环境下的航路规划。最后,基于Qt开发环境,完成UUV群体协同作业多任务自主规划仿真软件的开发。在该软件平台上进行UUV群体协同作业多任务分配和UUV作业多任务航路规划两方面的综合实验。实验结果表明本文设计的改进蚁群优化算法和改进粒子群优化算法在实现任务分配和未知环境下的航路规划时,具有可行性和有效性。