由于航天领域的逐步发展和作战环境的日益复杂，多无人机协同控制完成任务将会成为今后高空作业的十分重要的发展方向，多架无人机如何能够合理的共同完成任务也成为各国研究人员研究的热点之一。本文首先阐述了关于群体智能概念和优势，然后介绍了群体无人机的研究背景，研究意义和蜂群算法的基本原理，本文旨在采用蜂群算法进行多无人机的任务规划，所以首先验证了蜂群算法的优化效果，将ABC算法与BBOABC，BBODE，DE，PSO，GA算法进行了比较，得出了一个关键参数的基本选择范围，再对几个函数进行优化，仿真结果表明蜂群算法精度较高，是有效的和可行的，更适合针对应用于寻优设计，该算法也是元启发式算法研究的一个新的设想。然后利用蜂群算法较好的优化性能去优化无人机的航路，分析和总结了无人机航迹规划中所必需考虑的各种因素、研究对象和航迹规划常用的算法，着重阐述了环境模型的建立、约束条件和航迹评价，用代价函数来评价航迹的可行性；并且分析了多个无人机协同的意义、协同航迹的模型、协同策略再将蜂群算法应用于航迹规划，给出了实验的仿真结果，对蜂群算法应用于航迹规划进行了仿真，并且考虑从不同攻击方向进入的效果，以及出现突发威胁时如何重新适时的规划航迹，结果表明蜂群算法能够很好地完成协同航迹的规划；在飞行的整个过程中，所耗费的路径代价定义为协同函数，将每架飞机抵达任务目标的时间范围通过协同函数来传达到，以这样的共享信息的方式达到整体的协同。最终得到使多架飞机到达预定目标点，同时团队代价耗费最小，并且尽量让单架无人机的个体代价也最小的路径。本文也对目标点的攻击方向进行了设定仿真。最后研究了基于蜂群模型的群体无人机，考虑无人机群体的飞行控制，利用蜂群的飞行机制中的四个规则及蜂群中蜜蜂分类的启发，规划模型，让空中的单个无人机通过自组织的方法达到群聚智能飞行的目的，本文让引领机出发搜寻目标，然后根据具体情况召唤在目的地的跟随机，通知需要多少跟随机共同去完成任务，最后又在始发地与重点之间设置了若干障碍物，让无人机避开障碍，完成任务，这样节约了时间，保证群体无人机完成对目标的攻击，并具有很好的时效性。