近年来,无人机及多无人机协同技术迅猛发展,应用场景已经不限于早期的军事领域,众多民用领域的应用中都显现了无人机的身影。多无人机协同任务规划问题直接决定无人机任务完成的效率,因此已经成为领域内一个重要的研究方向。基于此,本文对动态目标分配、任务路径规划和任务动态重分配等多无人机协同任务规划关键技术开展研究,针对多无人机协同工作的经典场景,设计了约束条件考虑充分、评价函数设置合理的问题模型,并基于群体智能算法实现了模型求解方法。面向重点区域动态目标侦察这一重要的多无人机协同任务场景,本文从任务背景要求及任务目标的动态移动特性等方面出发,建立了多无人机动态目标侦察问题模型。基于对k-means聚类和动态最短路的改进设计,提出了多无人机动态目标侦察任务分配算法,遵循分层递解的思路求解问题。将面向过程仿真中基于事件的时间推进机制加入算法,用于动态目标轨迹预测和关键节点位置计算。仿真结果表明,本文提出的任务分配算法能够有效解决多无人机对重点区域动态目标协同侦察的任务分配问题。面向多无人机协同执行地面目标毁伤打击任务,本文研究了任务开始之前的协同路径规划问题,基于图论和多旅行商模型建立了多无人机任务路径规划问题模型。随后针对任务特性,创新性地提出了混合分组粒子群算法（HGPSO）,将粒子种群划分为大小相同的子群来代表可行解,子群内设置与无人机数量相同的粒子,同时将粒子编码为路径节点。随后本文基于遗传算法思想提出了包含四种交叉变异方式的粒子群速度更新规则。仿真对比实验显示,本文提出的混合分组粒子群算法优于其他几种算法,能够高效解决多无人机任务路径规划问题。除此之外,针对任务执行过程中的各类突发情况,本文还研究了多无人机任务动态重分配问题,总结出三类态势变化场景,并将表征毁伤打击能力的无人机型号和表征防空火力能力的目标评级加入模型,使更贴合实际作战任务。随后本文以应对突发场景为导向,基于对模糊C均值聚类和蚁群算法的改进设计,提出了多场景多无人机协同任务重分配算法,包括完全再分配、局部调整和分组基础上再分配三种核心策略。最后通过仿真实验对模型参数做出优化,验证了多场景下多无人机任务动态重分配模型的功能完备性和算法可靠性。