无人飞行器目标搜索在军事和民用方面都有着越来越重要的应用。多架无人飞行器协同完成目标搜索任务相比于单架无人飞行器可以提高任务完成的质量和效率，缩短任务完成时间，增加任务的成功概率，因而成为近年来无人飞行器领域的研究热点。　　本文将多无人飞行器协同目标搜索航迹规划问题划分为两个子问题。第一个子问题为多无人飞行器无人机协同飞行航迹规划(无人飞行器协同到达指定目标区域)问题，第二个子问题为多无人飞行器协同搜索航迹规划问题。这两个问题均是典型的协同控制问题，都是要在一定约束条件下找到最优解，因此都可以归结为优化问题。　　蚁群算法是一种新兴的仿生优化算法，在旅行商问题、机器人路径规划等组合优化问题中有着良好的表现，本文将蚁群算法与实际规划问题结合，提出了协同飞行多蚁群航迹规划算法和协同搜索多蚁群航迹规划算法，将每一个无人飞行器对应一个人工蚁群，引入异质信息素的概念模拟不同子群的蚂蚁之间的竞争，提出迷失蚂蚁信息素更新策略，利用失败蚂蚁的经验来提高算法的收敛速度。　　本文首先通过蚁群算法的经典应用——旅行商问题对基本蚁群算法和一些改进算法进行了相应的介绍。　　然后，建立了协同飞行航迹规划问题的数学模型，给出了协同飞行航迹规划问题的目标函数。设计并实现了协同飞行多蚁群航迹规划算法，详细介绍了基于异质信息素的状态转移规则和带迷失蚂蚁信息素更新的信息素更新策略。　　接着，建立了协同搜索问题的环境模型，给出了概率图模型的生成方法，提出了并实现了协同搜索多蚁群航迹规划算法，并进行了相应的实验验证。　　实验结果表明，本文所提出的协同飞行多蚁群航迹规划算法能够针对不同的规划任务，在多种复杂规划环境中，生成满足时间和空间约束的协同飞行航迹。与传统的蚁群算法相比，该方法能够将规划速度提高2到3倍，所规划出的航迹具有更好的时-空协同性能。本文提出的协同搜索多蚁群航迹规划算法能够在较短的时间内为多架无人飞行器构造出搜索飞行航迹，实现多个飞行器对目标区域进行协同搜索的目的。该算法与贪婪算法相比能够降低无效搜索的概率，提高搜索效能。两种算法的有机结合，可以为多无人飞行器提供从发射到捕获目标间的安全的飞行航迹。