基于无人机灵活机动、低成本以及小型化的优势，利用无人机群的协同合作完成相对复杂的任务成为研究热点，本文研究了无人机在执行定位或监视多目标时的航迹规划问题。由于无人机的机载能量有限，其能耗达上限时，无人机退出任务从而造成无人机群协同任务的失败，因此规划无人机群的航迹必须考虑群内能耗均衡的问题。本文将能耗均衡定义为最小化耗能最大的无人机的能耗，在多目标定位与监测等不同的任务场景下展开研究，主要内容如下：
　　1.针对无人机协同定位多目标的航迹规划问题，基于均衡无人机群内能耗的目标建立优化问题，进而根据优化问题中的限制条件将该优化问题分解为两个子问题，即多旅行商（Multiple Travelling Salesmen Problem，MTSP）和目标周围粗粒度位置点分配问题，为MTSP问题提出两种不同算法即启发式算法和近似算法，为位置点分配问题提出两步贪婪算法，在实现无人机能耗均衡的同时完成航迹的规划，仿真分析指出最多可减少26.6%的最大能耗和26.3%的平均能耗；
　　2.针对基于 MTSP 的无人机协同监控多目标的航迹规划问题，在特定目标场景下将无人机的全向覆盖模型建立为一个环绕目标的正多边形，基于均衡无人机群内能耗的优化目标和MTSP模型建立航迹优化问题，进而将该问题分解为两个子问题即重复访问的MTSP问题以及环绕目标的正多边形边的分配问题，采用改进遗传算法解决目标分配问题，针对边的分配问题提出两步启发式算法，在实现无人机群内能耗均衡的同时完成对航迹的设计，仿真分析表明提出的算法至多能减少19.6%的最大能耗和18.7%的平均能耗；
　　3.针对基于邻域多旅行商问题（Multiple Travelling Salesmen Problem with Neighborhoods， MTSPN）的无人机协同监控多目标的航迹规划问题，在特定场景环境下将无人机的全向覆盖模型建立为环绕目标的环形扇区，基于均衡无人机群内能耗的优化目标和MTSPN模型建立该无人机航迹规划问题，将该问题分解为两个子问题即重复访问的 MTSP 问题以及环绕目标的扇区分配和航迹点选择问题，针对重复访问的MTSP问题继续延用改进的遗传算法，针对扇区分配和航迹点选择问题则提出两步贪婪算法获得无人机最终的航迹，仿真结果表明该算法可减少23.8%的最大能耗和21.0%的平均能耗。