萤火虫算法是一种启发式群智能优化算法，它通过模仿萤火虫之间利用荧光进行信息沟通的行为，抽象出了一种优化模型。该模型以吸引和更新为两大步骤，实现简单，收敛迅速，且优化精度较高，在很多应用领域得到了很好的优化效果。本课题对标准萤火虫算法进行研究，分析算法的收敛性，给出算法使用的参数建议；在此基础上，给出一种多目标萤火虫算法框架，并将其应用到多AUV任务分配问题中。　　本文首先介绍了萤火虫算法的生物学原理，阐释了算法的基本思想和优化特点，给出了标准形式的算法框架。通过数学推导证明不考虑随机移动的算法收敛性，并基于测度的假设对考虑随机移动的算法收敛性进行了讨论。根据收敛性证明和讨论的结果，给出了算法参数使用的建议。其次，分析目前已有的萤火虫算法多目标框架，提出一种萤火虫多目标优化算法框架。该算法结合档案，对整个优化过程的非劣解进行监控，并利用档案中的非劣解指导算法解空间的移动。为了增加算法种群的多样性，利用密度检测算子监控种群的密度，并通过随机化填充算子改善种群的单一性。实验表明，该多目标算法框架能够获得更靠近pareto最优前沿、更加均匀、分布更广的评估前沿。再次，把单目标萤火虫算法应用到单目标任务分配问题中。介绍任务分配的问题模型和相关约束，提出利于算法优化的能量消耗目标函数构建方法，以及促进算法跳出非法解空间的启发算子。实验根据任务与AUV数量的匹配情况进行了6组实验，实验表明算法能够在满足约束条件的前提下，搜索到较好的任务分配方案。最后，将多目标萤火虫算法应用于多目标任务分配问题中。本课题以能量消耗和航行安全性作为评价指标，采用基于D-S证据理论的航行安全评估办法，对任务执行的危险程度进行了评估。同时，结合实际问题的特点，对多目标萤火虫算法进行了适应性改进。实验结果表明，将多目标萤火虫算法应用于多目标任务分配可以得到多个满足不同目标需求的方案。