随着任务执行平台自身性能和信息化水平的提升,给对抗双方带来了巨大的挑战的同时也存在难得的机遇。因此,目标分配的智能化研究成为了任务规划的热点问题。由于目标分配问题涉及的因素众多,包括任务平台或目标的数量及位置、平台的性能、目标所要求的载荷等,且其中某些因素如平台或目标的数量、位置等均具有可变性,使得目标分配问题成为了典型的非确定多项式完全（NPC,Non-deterministic Polynomial Complete）问题。利用智能算法求解目标分配问题,能够更全面的考虑限制因素,使得分配方案更加合理;并且当平台和目标出现动态变化时,如何及时高效的获取新的分配方案,对于分秒必争的应用场景是至关重要的问题。本文围绕目标分配的模型及蚁群算法,对静态和动态两种类型的目标分配问题进行了研究,主要内容如下:1.结合目标分配问题的基础理论——最优化方法,将蚁群算法应用于目标分配问题中,设计了静态目标分配方案。在方案中结合课题实际应用,针对三种分配模式（一对一、一对多、多对一）建立了统一的目标分配模型,模型中首先根据分配模式生成了蚁群,其次依据蚁群算法的规则进行寻优;其中根据分配模式的特点从单机性能和多机协同两方面细化了约束条件,一对一及一对多分配模式中,侧重于对单机性能的约束;多对一分配模式中,侧重于多平台间协同的约束。根据所提出的静态目标分配方法,对三种分配模式进行了仿真,并有针对性的验证了约束条件的作用。2.针对一对多分配模式中,单一平台对多个目标时所面临的目标访问顺序寻优问题,本文提出了顺序寻优参数自适应方法,使得蚁群算法中的蚁群规模及迭代次数能够根据目标个数进行自适应,调整自身取值,以更好的适用于目标顺序寻优部分。通过与固定参数值的方法进行对比仿真实验,证明了利用本文的参数模型可以避免设定值偏高造成过高的时间代价或设定值偏低而无法获取最优顺序的情况。3.针对场景中目标和平台的动态变化,根据多级目标分配的思想,本文研究并制定了目标分配动态调整策略。通过分析四种动态变化的关键点、筛选条件及所涉及的约束条件,在动态变化的局部进行分配方案调整,避免进行全局重新计算方案,并给出了四种变化具体的分配方案调整方法。通过仿真实验及对仿真结果的分析,验证了目标分配动态调整策略的可行性和时效性,实现了分配方案快速准确的调整。