随着城市化的持续推进,目前全球大部分人口集中在城市。当城市战争、恐怖活动发生时需要搜索发现敌情,当城市灾害、事故出现时需要搜索救援,目标搜索需求越来越强烈。与此同时,城市环境中目标搜索存在诸多困难。小型、微型无人机能够在建筑物中间来回穿梭,甚至进入室内;能够克服人员地面视角和大型飞行器高空视角的局限性,寻找最合适的观察高度和角度进行目标搜索,是解决困难的极佳手段。和单无人机任务系统相比,多无人机系统更加可靠、高效,应用于城市环境当中将是必然趋势。针对城市环境中小型无人机性能受限、通信受限以及分布式协同的挑战,本文研究城市环境中通信受限条件下小型多无人机分布式协同搜索问题。论文主要内容总结如下:（1）设计了一个多无人机分布式协同搜索系统架构。分布式协同系统架构是实现多无人机协同搜索的基础。本文将协同搜索问题根据目标的抽象特性进一步分为覆盖、搜捕和巡逻三种情况,根据搜索目标的特点进一步将本文研究问题明确为多无人机巡逻问题。分析多无人机在城市环境中执行搜索任务的特点,凝练出两个需要解决的关键问题,即无人机系统分布式优化的情况下如何取得全局较优的协同效果,如何兼顾小型无人机平台能力较弱与自主搜索任务要求较高这两方面。基于经典的OODA模型分析单架无人机的任务流程,将其视为一个动态的在线优化决策过程。构建分布式协同系统架构,对多无人机系统整体采用“任务式指挥”的指挥控制方式,无人机之间进行分布式自主协同。（2）提出了一种基于纳什均衡的分布式协同搜索方法。本文提出了一种新的数字信息素方法,通过无人机之间的协同提升系统整体能力,以缓解小型无人机性能受限与任务对平台能力要求较高的矛盾。将数字信息素方法与分布式模型预测控制方法结合起来,建立分布式优化模型,克服数字信息素方法容易陷入局部最优的缺点。就目前而言,这是解决此类问题的一个轻量化的分布式优化模型。为解决分布式优化难以得到全局较优解的难题,本文首次尝试对能否基于纳什均衡求解分布式优化模型进行分析讨论,然后基于纳什均衡思想对分布式模型预测控制的时间线进行改造,给出了一个适应通信受限条件的基于纳什均衡的迭代求解算法。另外,观察到决策顺序对无人机之间的协同有重大影响,提出了基于随机决策顺序的求解方法,该方法的优势在于无人机搜索路径具有不可预测性。（3）设计并实现了基于2D城市环境的分布式算法仿真实验。在本文当中,数字信息素是无人机进行搜索任务协同的基础。传统研究一般都是凭经验设置信息素参数,不能够充分释放该方法的效果。通过粒子群优化方法对数字信息素关键参数进行优化,根据优化结果,当吸引信息素不传播且不挥发时,多无人机协同搜索的效果最好,覆盖率最高。在相同的实验设置下,本文基于纳什均衡迭代求解算法的搜索区域覆盖率相比“贪心策略”和纯分布式模型预测控制方法提高了26%,同时仅稍微增加时间开销。最为关键的是该算法完全避免了无人机之间的相互碰撞,目前还未见到解决同类问题方法有这样的效果。实验结果显示,基于随机决策顺序的求解方法下无人机的搜索路径具有不可预测性,说明该方法能够用于搜索具有反侦察能力的目标。