无人机成本低,部署灵活,执行任务能力强,因此将无人机应用于城市环境下的应急救灾前景广阔。由于城市环境复杂且存在多种突发事件,综合考虑无人机的能力进行任务分配能够显著提高无人机群协同执行任务的效能。本文针对城市环境下的多无人机应急救灾任务分配问题进行了研究。首先,针对城市环境建立简单数学模型,分析无人机应急救灾任务要求以及应用载荷特性,建立了多无人机同构任务系统和异构任务系统,阐述了其中的多种任务类型,包括搜索、探测、分类、处置和监控等任务,并分析多种救灾任务自身以及任务之间的约束关系。其次,以城市为背景,无人机应急救灾任务分配为研究对象,建立了高空MUAV监控低空SUAV执行的层次化任务分配模型,设计了多目标优化函数。改进粒子群优化(PSO)算法,通过加入惯性权重的凹函数递减策略与将人工蜂群(ABC)算法引入到粒子群迭代环节,较好地解决粒子群算法易陷入局部最优的问题,同时提高算法收敛速度采用改进后的ABC-PSO算法对任务分配问题进行求解,并根据模型特点和约束条件建立粒子与实际问题的对应关系。分别对同构和异构系统任务分配问题进行仿真实验,验证了其有效性。再次,由于城市环境区域划分明显的特性,建立了多基地无人机分组任务分配模型,设计了平衡各基地无人机任务载荷的约束条件。应用ABC-PSO算法对不同的任务载荷、航程和剩余无人机资源要求下的多基地无人机分组任务分配问题进行求解,仿真结果验证了模型与约束条件的合理性。最后,设计了城市环境下的动态层次化任务分配系统,从快速应对突发任务的角度,采用局部任务重分配策略。针对不同突发条件下的动态任务分配问题利用拍卖算法进行求解,仿真结果表明该算法易于实现且很好地解决了动态任务重分配问题。