海上区域搜索是执行海上救援、反潜作战、水雷清除任务的前提。海上环境恶劣,搜索难度大、危险系数高。区域搜索技术可以合理规划搜索航路,提高搜索效率,因此设计海上区域搜索算法具有重要意义。人工控制船舶执行海上区域搜索任务,搜索时间长、效率低。随着无人船和协同搜索技术的发展,多无人船协同区域搜索算法为海上搜索任务的开展提供了新的思路。为提升无人船协同搜索效率和航路安全性,避免无人船长时间陷入局部区域,本文研究无人船协同搜索原理,设计航路安全且高效的协同区域搜索算法;研究区域划分和任务规划策略,设计基于高斯混合模型的局部搜索策略,提高无人船全局搜索性能。研究内容和成果如下:建立了无人船环境和协同通信网络模型,设计了多无人船协同搜索系统控制结构。为简化无人船搜索决策空间,构建了离散化环境模型;针对通信网络交互数据量大,搜索决策时间长的问题,设计了无人船动态拓扑交互模型,降低了无人船分布对搜索决策性能的影响;为提升协同搜索系统的鲁棒性、扩展性和全局优化性能,构建了“有限集中分布式”控制结构,发挥了集中指挥和个体自主搜索的优势。设计了基于扩展搜索图的区域协同搜索算法（TDAM）。针对多无人船协同搜索效率低的问题,设计了基于搜索协调的预测信息素,使无人船搜索决策时考虑其它无人船未来可能的状态,提高了无人船协同效率;针对在线避障与防撞困难的问题,设计了基于环境认知的人工势场图,提高了无人船在线避障与防撞能力。实验结果表明,在保证航路安全的前提下,TDAM算法相比于无预测信息素算法平均目标发现比例提高了14.173%。设计了基于区域划分策略的多无人船协同区域搜索算法（GMM-TDAM）。针对无人船长时间陷入局部区域的问题,设计了包含区域划分、任务规划与子区域搜索的三层控制结构,提高了无人船全局搜索性能;针对几何和质心Voronoi图等算法区域划分粗糙的问题,采用高斯混合模型近似目标存在概率图,将任务区域划分为多个椭圆子区域;针对任务规划模型计算复杂度高、求解困难的问题,设计了并行遗传粒子群算法,加快了任务规划模型求解速度。使用TDAM算法搜索对子区域进行搜索,提高算法的搜索效率。实验结果表明,GMM-TDAM算法相比于TDAM算法累计概率收益提高了9.652%,平均目标发现比例提高了12.345%。