无人机技术的快速发展使其在战场上的应用越来越受到重视,无人机数量和种类的增长也为如何高效使用多无人机提出更高要求。单架无人机及各自管理使用的作战模式由于其局限性,极大限制了部队间信息共享能力,也给管理和空域等安全方面带来了许多问题。在通用网络化条件下对战场内多无人机资源进行统一的管理调度,实现无人机的“管用分离”,是未来无人机应用的发展趋势。本文以网络环境下多无人机侦察多目标实现情报共享为背景,重点对任务需求分类与解析、复杂约束下多UAV多目标任务协调问题建模、大规模任务协调问题预先规划及任务动态在线协调等关键内容进行研究,主要工作及创新点如下:(1)在多无人机多目标侦察任务基础上,进一步考虑用户战术侦察任务的复杂性和动态性特点,分析网络环境下多用户、多目标、多无人机侦察任务样式,设计从侦察任务需求输入到任务计划生成的整个流程,建立任务需求与无人机系统的关联,将任务描述转换为无人机系统能力需求表达,为任务规划过程提供可量化的数据表达方式和基础模型,并根据分析构建任务规划系统框架,阐述框架模块组成及功能。(2)对侦察任务需求进行分类和解析,从不同层次的用户角度出发,分析了侦察任务中的几类典型任务,对影响规划结果的任务类型、优先级、时间窗、目标特性及空间、侦察情报信息质量约束等进行详细阐述,规范任务需求格式,对任务的统一管理。同时,建立任务属性与外部因素间的联系,作为任务资源选配的约束条件,以降低问题规模复杂度,提高预先规划效率。(3)针对多用户战术任务需求复杂性和动态性特点,在任务协调预规划求解问题中考虑预留“弹性”时间及资源,以收益最大、路径和通信以及时间代价最低、完成任务目标数目尽量多为目标,加入任务时间窗、空间地理位置等约束,并分析任务目标数量与可用UAV资源对应关系对问题的影响,建立统一的多要素任务分配问题模型;对无人机与目标进行分组排序及整数编码,设计任务时间窗和平台的特性为约束条件的遗传算子,以改进遗传算法,求解分配问题;提出基于“任务空闲时间窗与空闲无人机资源”的调整策略,实现分配结果全局优化;同时,针对突发事件或请求,利用“弹性”UAV资源和时间窗,提出合同网协议的任务拍卖及改进的基于精英种群的遗传算法,实现对任务计划的在线协调;此外设计了基于Map-Reduce的快速任务分配分布式计算平台。