近些年无人机技术发展迅速,但是单个无人机执行复杂任务的能力有限,难以在多重限制的环境下执行任务,所以集群编队技术便获得了研究的价值。本文研究了无人机路径规划、编队飞行,以及智能防碰撞这一系列无人机编队执行任务所需的功能点,主要内容和工作安排如下:首先,研究A*算法在无人机路径规划中的应用,通过分析无人机如转向角度等的飞行约束条件等因素,对A*算法进行有针对性的改进,优化其代价函数及搜索方式,提出根据时间片段设置动态障碍物的多路径规划方案。然后提出改进信息素更新策略等算法细节的蚁群算法作为补充,以解决A*算法在扩大搜索区域后的效率问题。其次,在以长僚机为基础的无人机编队模式进行建模后,以单机运动模型和多机相对关系模型为基础,得出编队飞行控制方法。并且以多个常见队形如三角形、长蛇型为例,给出其详细的编队方案。之后,提出用深度强化学习的方法DQN(Deep Q Network)作为无人机智能动态避障的解决方案。该算法可以允许无人机在未能获取完整环境信息,如障碍物的位置坐标、形状等,甚至对于动态障碍物,依然可以实时避障。以自制模拟器作为训练环境,通过无人机前置摄像头传来的视频数据作为数据来源,而不是传统的距离传感器。针对模型泛化性随着模型复杂度的提升而下降的问题,提出加入BN层来替代正则化方法来将训练过程中的参数归一化,使得每一层神经网络的输入保持相同分布的,并提升了收敛速度。再针对强化学习中奖励值reward选取的问题,通过分析本系统中无人机执行任务过程的特性,将总体目标转化为分段目标,并且使用reward shaping方法,解决奖励值稀疏问题。最后得到了可以自主通过调整速度和方向以躲避障碍物的网络模型。最后,将以上三个模块结合,给出完整的无人机编队队形的解决方案,使执行任务的集群编队在路径规划成功后若遇到动态障碍物时,能根据避障模块的反馈实时调整飞行路径,完成躲避后再次调用路径规划模块直到到达目的地。