多无人机协同作战系统是由多架相互感知、相互协同的异构无人机或无人机编队构成,旨在复杂的作战环境中,通过无人机之间的自主协同合作,共同执行多个复杂任务。在协同过程中,除了要考虑无人机自身性能约束,还要考虑多架无人机之间协同约束;同时,分配需求模型的不一致性,三维空间结构的复杂性,都会导致多机之间资源冲突、协同困难,甚至重复规划等问题。因此,为了降低系统的复杂度,本文将多机协同作战系统分为多机协同目标分配和多机协同航迹规划两个部分。前者为多无人机在执行任务区域内划定合理的分配关系,后者为多无人机协同攻击提供切实可行的飞行航迹。主要研究内容如下:首先,分析了复杂环境下无人机与目标点之间的分配关系:N=M、N>M以及N<M,N表示无人机的数量,M表示目标点的数量;针对这三种不同的分配关系,构建了统一的航程代价矩阵。建立了单机约束条件、协同约束条件、多机协同目标分配和多机协同航迹规划目标函数,首次建立数学函数替代传统的飞行切面方法,使得规划后的航迹与复杂山地型环境充分结合。建立了统一的分配模型,并初步验证了该模型在处理多机协同目标分配时的可行性;该方法克服了不同的分配关系需要采用不同的分配模型,有效地提高了系统的运行效率。然后,详细阐述了进化算法在处理多机协同目标分配的难点,构建了统一的个体基因编码策略,将UAV、目标点和对应的航程代价作为一个个体基因位,使算法在搜索过程中具有实际意义;针对如何根据实际任务代价指导种群进化,分析了种群的划分方法,采用动态混合进化策略平衡种群的探索性与开发性,使算法能够搜索到更广的分配空间和更快地找到合理分配方案;同时,结合代间变异率与归档技术取代个体随机重置;该方法通过建立统一基因编码策略以及自适应的变异策略,增加了搜索范围的可控性,提高了多机协同目标分配的寻优能力。最后,针对三维空间复杂度较高,航迹折点拐点较多,航迹不符合无人机的机动性能等问题,提出了混合PSO关键航迹点算法;将无人机与目标点的分配关系通过坐标转换映射到二维平面内,设定航迹点可行域,进一步缩小搜索空间;引入粒子群算法中粒子之间的协调机制与信息共享机制,优化搜索空间。此外,计算出关键航迹点后,采用三次B样条曲线和局部修正法平滑航迹,确保各航迹符合无人机的机动性能;该方法裁剪了复杂的三维空间,提高了关键航迹点的选取效率,同时为无人机提供了多条安全、可靠且相互无碰撞的飞行航迹。