随着计算机技术的不断发展,军事领域对计算机技术的依赖不断加深,作战形式发生着日新月异的变化。随着信息时代的到来,作战的形式不再是传统的单一兵种各自为战,多军种、多部队系统化联合作战成为主流。作战讲求快与准,因此对战前与战时的任务规划的稳定性与高效性提出了更高的要求。分布式协同作战任务规划技术,将成为多军种、多部队战前与战时战术规划的关键技术。在协同作战任务规划的过程中,每个作战部队最为了解各自所在作战团队的情况。在任务规划的过程中,每个部队各自提出本部队的作战方案,然后与其他作战部队共同协商,最终形成整体战术方案。但是由于掌握信息不够全面,在作战方案未经检测的情况下无法避免产生冲突,冲突检测技术十分重要。作战团队需要一个协调者,对产生的冲突进行协调,维护任务规划的稳定。但是在复杂的作战情况下,协调者一旦失联,整个团队任务规划过程受到影响,因此在分布式协同任务规划过程中,冲突检测、临机冲突消解、协调者确定技术共同维护了任务规划的稳定。本文主要研究与工作内容如下:首先,根据任务规划的内容,构建任务模型与任务事件模型。根据协同任务规划过程中的条件,构建任务事件约束模型。为解决时序约束中的多种问题,提出TQCN分段时间约束网络模型。依据任务事件约束模型,设计时空约束、资源约束检测算法,设计以提升效率为目标的冲突检测总体算法。设计冲突消解策略。然后,根据协同作战部队间实际关系,构建席位间虚拟层级结构模型。针对任务规划和冲突消解的历史记录,提出基于历史记录的指挥员奖惩制度。应用AHP求解针对不同目标任务的,攻击、防御、侦察准则的权重向量。将奖惩制度、权重向量与动态贝叶斯网络结合,设计并构建协调者确定动态贝叶斯网络模型。依据协调者确定模型以及席位间虚拟层级结构模型,设计协调者确定算法。最终,将本文研究内容应用于面向联合筹划的分布式协同决策环境项目中。对应用内容进行了实验与分析,经实验表明本文研究内容准确,效率优化算法效果显著。