随着科技的发展,未来的战场环境将越来越复杂多变,单个无人机已无法满足未来战场的需求,多无人机协同恰恰能弥补单机的不足,通过多个无人机之间的相互配合,可以完成更多复杂且艰巨的任务。任务分配和路径规划是无人机协同的两个重要部分组成。任务分配就是用最小的资源代价尽可能多的完成任务的指派,是解决多无人机多任务问题的难点之一;航路规划是在完成任务分配的基础上,找寻从基地出发到各个任务点完成任务并返回基地的最优或者次优路径,与著名的旅行商相类似,是实现无人机自主完成任务的关键之一。本课题对无人机协同中的航路规划展开了研究,提出了相应的改进策略来提高航迹规划的效率。论文主要完成以下几点内容:首先,介绍了任务分配和路径规划的原则和模型,并针对M架无人机,N个目标点的具体问题进行建模求解,将问题分解为两部分:任务分配和路径规划。任务规划过程中对目标点采用K-means聚类的思想分成若干个区域,再将每个区域进行路径规划,将路径规划转换成著名的旅行商问题进行求解。最后给出了无人机协同的系统框架。其次,为了解决路径规划,将原始的头脑风暴优化算法离散化来求解旅行商问题。初始化种群过程中,将城市的访问次序作为每个个体的编码,将汉明距离作为聚类操作依据替代原始的欧式距离。在变异的过程中,将原始算法中加入随机值的操作方式转化成随机选两个节点,交换该节点上元素。从优化结果可以看出,与其他改进的优化算法结果相持平,表明该算法有较好的应用前景。再次,为了更好地解决与旅行商问题相类似的航迹规划问题,在第三章的基础上,将基础的离散头脑风暴优化算法加以改进。初始化过程中,先用能构造优良的TSP路径的启发式算法求得较优的解,作为初始种群,再用优化算法进行优化。将基础算法中在决策空间中聚类操作转移到目标空间中去,即将多维度的距离求解转化为成一维的距离求解问题,大大降低了计算的复杂度,为算法节约了大量的时间。将改进后的算法应用到旅行商问题中,从仿真结果可以看出,经过改进不仅提高的算法的收敛性,更是大大加快了算法的运算速度,使其整体的性能得到明显的提高。最后,考虑到要将算法应用于多无人机协同侦察任务中,采用分层的思想,首先将一个目标群中的所有点看成一个整体,求得无人机巡航所有目标群的总滞留时间最短的方案;然后分别对目标群中的各个目标点之间路径做进一步的优化处理,最终得到完成侦察任务的最小资源配置和最短滞留时间。根据无人机飞行过程中坐标随时间的变化,求得同一基地两架无人机之间的距离,最终得到同一基地出发的无人机只需一架中继无人机即可完成通信任务。