从军事、工业、农业到人工智能等多个领域，无人机得到越来越广泛的应用。在所有对无人机的应用研究中，任务分配和路径规划是最基本的两项技术。近年来，已经提出了多种任务分配和路径规划方法，并且取得了一定的进展。任务规划根据对应用场景的整体把控，对无人机作出合理的任务分配方案，帮助无人机更好地完成任务。路径规划则根据无人机到目标点的距离等因素为无人机规划出最佳的飞行路线。因此对任务分配和路径规划方法的研究对于无人机的应用与发展具有重要意义。群智能算法作为近年来兴起的一种重要优化方法，在诸多涉及到优化问题的工程领域得到了广泛应用和快速发展。因此，将群智能算法应用到无人机任务分配和路径规划，对促进无人机技术进步和群智能算法的发展具有一定的实际意义。
　　本文以探索群智能算法在无人机任务分配和路径规划上的应用为目标，主要完成了如下工作：
　　(1)构建多无人机多目标任务分配问题的数学模型。从多无人机任务分配的实际情况出发，针对执行任务时间和消耗两个目标，提出了以执行时间最短、消耗最少为目标的多目标优化模型，以便应用群智能算法解决多无人机任务分配问题。根据任务分配模型和烟花算法本身特点，改进了烟花算法的爆炸和选择策略，并将其与非支配等级排序相结合，构建了一种基于改进烟花算法的多无人机任务分配方法。
　　(2)构建多无人机协同路径规划问题的数学模型。对于一种多无人机应用场景，给出了一种时空协同策略，并给出了飞行路径的表示方法，以及路径长度、威胁系数、最小转弯半径约束的数学描述，构建了路径长度最小、威胁系数最小、满足最小半径约束和时空协同的多目标数学模型。根据多无人机协同路径规划特点，提出一种多目标改进混洗蛙跳算法，并将其用来解决多无人机协同路径规划问题。对经典混洗蛙跳算法的最差个体进化策略进行改进，并将非支配等级排序策略应用到寻优过程中，以便进行多目标优化问题的求解。
　　最后通过仿真实验，验证了本文构建的多无人机任务分配和协同路劲规划模型的合理性，以及基于改进烟花算法的多无人机任务分配方法和基于改进混洗蛙跳算法的多无人机协同路径规划方法的可行性。