如今,无人机的应用领域已经从军事行动扩展到了突发事件应急响应、抗震救灾等,其便捷性、灵活性为我国国防事业以及社会生活带来了很大便利,因此对于无人机相关领域的研究已成为各国学者关注、探索的热点问题之一。随着学者们对无人机相关领域研究的不断深入,其中所隐含的诸多问题也逐渐显露出来。本文主要针对无人机任务规划技术展开研究,对其中存在的一些问题给出自己的分析并提出了解决方案。在无人机任务规划问题中,针对很多决策只做到了单方面最优而无法考虑其他因素这一情况,本文提出了基于动作预估机制的无人机任务规划技术,综合考虑无人机各项飞行指标,每架无人机在进行动作决策前,都会对无人机执行该动作所获得的收益和无人机自身所付出的代价两种指标进行评价,从而做出一个平衡最优的解决方案,既兼顾了无人机所获得的收益使之尽量大,同时兼顾了无人机自身所付出的代价使之尽量小。在无人机联合作战问题中,作战单元多种多样,战场环境复杂多变,对此本文在Q学习算法的基础上,提出了带有合作表的无人机联合作战技术,从而确定了参与联合作战的友方无人机;同时基于约束条件综合考量,为联合方无人机分配攻击对象,从而确定敌方无人机。面对无人机侦察任务的求解问题,标准蚁群优化算法容易陷入局部最优,而且求解效率不高,因此本文提出了基于变挥发程度的蚁群优化算法解决上述问题。而遇到侦察任务突变的情况,本文主张采用启发式Q学习算法应对该变化,重新规划无人机执行任务时的飞行路线。最后,通过仿真平台做的对应仿真实验表明,上述理论有效解决了无人机任务规划问题中出现的片面、低效、局部最优等问题,达到了良好的实验效果。