单个无人机的应用场景相较于多无人机来讲局限性较强、任务执行效率较低,多无人机协同具有更好的稳定性、适应性,因此多无人机协同技术的研究显得十分关键。而多无人机的路径规划是无人机协同技术的基石。Dijkstra算法和A*算法是路径规划技术的经典算法。此类算法对于已知环境能够规划出合理路径,但是对于未知环境,算法表现则不太令人满意。一些智能优化算法,如蚁群算法、粒子群算法、遗传算法等,也被用在无人机的路径规划中。此类算法通常是在任务空间进行路径最优解的搜索,算法模型复杂且计算量大,不能应对随机环境,并且很难进行实时的路径规划。针对以上各类路径规划算法的不足之处,同时结合无人机协同的具体任务类型,本文以强化学习为基础研究多无人机在未知环境中的路径规划。本文将多无人机任务场景概括为两种:汇合任务和分配任务。这两种任务类型涵盖了常见的多无人机协同场景。本文的主要工作及创新点如下:（1）针对多无人机在汇合任务场景下的路径规划,本文以深度强化学习算法DQN为基础,同时借鉴人工势场的思想来设计强化信号,提出了APF-DQN模型。该模型克服了强化学习过程中由稀疏奖励信号导致的模型收敛慢、效果差等问题,且能更好引导无人机到达汇合点。此外,基于Open AI Gym,本文开发出了一套训练环境用于智能体的训练。本文进行了APF-DQN模型和DQN算法的对比实验,实验结果表明APF-DQN模型能够更快收敛,且回合步数更短。本文还进行了APF-DQN与传统人工势场法的对比实验,实验结果表明APF-DQN模型能够较好的解决目标点不可达以及局部最小值问题。（2）针对多无人机的任务分配场景下的路径规划,本文将路径规划分为任务分配和路径规划两个相互交融的阶段。无人机的任务分配采用了自组织映射网络模型,同时针对传统自组织映射网络模型在无人机目标分配中存在的摇摆、不收敛问题,本文提出了一种两阶段迭代的改进SOM算法。实验结果表明,改进的SOM模型能够较好地克服摇摆问题,能够消除摇摆现象,同时保持了SOM模型的自组织特性。各架无人机在经过任务点分配之后,使用APF-DQN模型进行未知环境下的路径规划。针对任务动态变化所导致目标点变更以及无人机下线等不可预测的状况,本文使用自组织映射网络进行任务的动态重分配并通过实验仿真了以上各类状况,仿真实验证实了动态重分配的可行性。通过这种模式,能够很好的提高多无人机完成任务的成功率,一定程度上体现出了无人机集群的稳定性和适应性。