水下无人集群被广泛应用于水下区域侦察、预警探测等领域。平台作为水下信息探测网络中的节点,增强了网络的拓展性,可靠性,但平台的探测效能制约着其行为抉择,协同探测的多平台阵位制约着探测网络效能的发挥,平台的巡逻航路制约着网络的信息快速获取能力。为此,本文首先建立了环境适应下的多平台协同探测效能模型,其次基于建立的模型对多平台阵位按区域有效探测范围最大化进行了优化、对平台航路按路径最短进行了优化研究。首先,为了真实客观地反映水下无人平台环境适应下的探测效能,本文构建了一个完善的多平台协同探测效能模型,为区域平台阵位优化和航路优化做了物理模型准备。基于声纳系统信息流程,选取了利于工程化的声传播模型、目标强度模型、环境噪声模型、通过信噪比与检测概率的关系式获取平台对区域内目标点的协同探测概率,并将各个平台的检测概率结果融合,从而得到多平台协同探测效能,并对制约效能的平台阵位、频率、工作模式、水文条件进行了定量分析。其次,依据多平台协同探测效能模型对多平台阵位按区域有效探测范围最大准则进行优化,选取群体智能算法中的遗传算法、布谷鸟算法在布尔感知模型下做了对比,仿真表明布谷鸟算法在收敛速度和效果上更佳。针对布谷鸟算法后期收敛慢,易陷入局部最优的问题,提出引入高斯变异算子和锦标赛选择机制的改进布谷鸟算法,收敛速度和效果均有明显改善。对基于区域最大有效覆盖面积原则的多平台进行部署优化,用改进布谷鸟算法对区域内被动,一发多收,多发多收不同工作模式下的多平台进行以有效探测范围最大化为准则的优化,仿真表明区域覆盖率均显著提高。针对平台持续跟踪机动目标的问题,本文先用交互多模型算法给出机动目标轨迹预测信息,结合预测点信息用改进布谷鸟算法对布放平台阵位进行优化,仿真结果表明本文算法能够满足区域动态目标跟踪的持续探测需求。最后,依据水下无人平台探测模型对区域内平台巡逻航路进行优化,先将按路径长度最短的航路优化问题转换为旅行商问题;其次将多平台区域巡逻航路优化转化为多个子域单平台巡逻航路优化问题,利用改进布谷鸟算法生成区域覆盖下的点迹;最后对给出的点迹做航路优化,本文介绍了蚁群算法,模拟退火算法,提出了引入退火机制的改进蚁群退火混合算法。仿真对比分析了蚁群算法和改进蚁群退火混合算法的性能,验证了改进的混合算法的效果。本文建立了环境适应下的水下多平台探测效能模型,给出了结合物理模型对多平台按区域有效探测范围最大化的阵位优化方法和按路径长度最短的航路优化方法,为集群区域配置提供了方法参考。