多无人平台协同是当今人工智能研究中的前沿课题。多无人平台系统拥有时间、空间、功能和信息上的散布特征,在任务适用性、鲁棒性、可扩展性等方面均表现出极大的优越性,因此在军事、工业生产、交通控制等领域具有良好的应用前景。本文以多无人平台协同执行多种复杂任务为背景,针对一类典型任务模型—多点动态集结(Multi-Point Dynamic Aggregation,MPDA)任务,研究多无人平台在该任务框架下的协同任务规划问题。针对散布于空间中不同位置的多个状态时变的任务点,利用多个执行能力不同的无人平台向这些任务点集结并协同执行相应任务(对任务点状态产生影响),达到使所有任务点状态归零的目标。根据多无人平台执行MPDA任务中任务规划问题的特点,本文设计了一种多排列编解码求解策略,首先将问题的解表示为每个无人平台对所有任务点的访问顺序(形式上为排列组合),任意一个任务方案编码通过解码都能对应一个具体的任务执行流程。在此基础上,MPDA任务规划问题被转换为一个多排列的组合优化问题,可以采用快速启发式构造方法、智能优化方法、分枝定界、混合算法甚至穷举法(小规模情况下适用)进行求解。本文首先设计了一种基于时间顺序的解码算法,对于任意一种任务规划方案的编码,通过此算法均能解码出相应的完整的MPDA方案。计算实验结果验证了解码算法对于任意排列编码的可行性和快速性。在此解码算法的基础上,综合实际问题决策的快速性和求解质量的考量,设计了三种求解满意的MPDA任务执行方案的优化算法。针对任务规划问题决策的快速性,根据多无人平台执行MPDA任务的特点,本文设计了一种包含了六种启发式规则的算法综合体,可以快速得到满意的MPDA任务执行方案。为了提高任务规划问题决策的求解质量,本文进一步采用了禁忌搜索算法和分布估计算法来搜索最佳的MPDA任务执行方案编码。其中,禁忌搜索算法是一种高效的单点搜索方法,在搜索时能够通过禁忌操作,避免重复搜素,从而增大获得全局最优解的概率。分布估计算法则是一种应用广泛的群搜索算法,通过对搜索空间采样和统计学习来预测搜索的最佳区域,具备很强的全局搜索能力和很快的收敛速度。基于不同规模MPDA算例的大量计算实验表明,三种算法在求解小规模算例时均能得到高效的可行解,但随着问题规模的不断增大,三种算法在不同的实时性要求下具有各自的优势。其中,基于规则的构造性启发式算法在计算快速性方面具有独特的优势,且随着问题规模的不断增大,算法在求解质量和计算代价之间实现了更好的均衡;在满足任务的实时性要求下,禁忌搜索和分布估计算法在求解质量方面更具优势。而在不同问题特点和规模下,禁忌搜索算法和分布估计算法也具有各自独特的优势。因而在对决策快速性要求比较高的场合,可采用构造性启发式算法求解,以在短时间内得到可行的MPDA任务执行方案。而在对求解质量要求更高的任务情形中,可以采用禁忌搜索算法或分布估计算法求解,从而在给定的时间内得到更优秀的解。通过研究多无人平台在MPDA任务框架下的协同任务规划问题,本文为多无人平台协同执行MPDA这一类复杂任务提供了有效的规划方法。