随着智能技术的快速发展,智能体应用范围日益扩大,同时在复杂的任务场景下,单个智能体已无法满足执行任务的需求。因此,多智能体协同完成任务成为智能系统未来的一个发展方向。任务分配作为多智能体系统执行任务的首要条件,起着决定性作用,路径的最优规划能更好保证任务完成的可能性和高效性。本文基于现有的文献,研究离散粒子群算法在多智能体任务分配的应用,并在此基础上进行基于粒子群算法的智能体航线规划和多项式轨迹规划方面研究。通过两种粒子群算法将任务分配、航线规划和轨迹规划进行有机结合,建立起一个完整的理论框架。首先,介绍任务分配的定义,建立智能体在二维平面和三维空间模型,根据任务场景,以总航线最短为目标函数,提出了基于离散粒子群算法的任务分配方法,并根据实际情况,加入多种约束条件,如:油耗最少和时序约束。通过仿真实验,实现最短路径下智能体的队形生成和队形变换。其次,在不同任务分配场景下,以粒子群算法作为优化求解工具,分别在二维平面和三维空间中进行航线规划,引入运动过程中可能遇到的威胁模型,设定飞行速度等约束条件。由于传统粒子群算法在求解过程中会遇到初始化不均匀、易陷入局部最优解等缺点,为了更好的解决这一问题,本文引入混沌化初始化策略,改善粒子种群的初始分布,调整学习因子和惯性权重,优化粒子群收敛速度。通过调整粒子群算法的相关参数,可规划出多条不相交的有效航线。最后,通过仿真实验结果来验证所提方法的可行性和高效性。最后,为了解决粒子群算法在航线规划时仅优化位置的弊端,本文设计一种轨迹规划方法,通过引入智能体运动学模型,求得除了位置以外的其他参数信息（角度等信息）,得到符合智能体实际运行情况的轨迹。设置运动起始点和终点速度、航向角、最大速度等约束条件,将轨迹求解问题转化为多项式求解问题,同时将粒子群算法产生的航线点拟合作为初值,在多约束条件下,规划出一条平滑的运动轨迹。通过实验仿真,验证了所设计方法的有效性。