近年来,无人机在军事领域的作用越来越显著,在战争中凸显出不可替代的地位,受到了世界各军事大国的广泛的关注。面对现代化战场中任务的多样性与复杂性,无人机的作战模式逐渐由单机作战转向着多机协同作战。本文在多无人机协同作战的背景下,对多机任务规划与攻击决策方面的问题进行了研究。首先,对无人机协同任务规划进行了分析,描述了其中的任务区域,任务执行方与被执行方,并对规划所受到的任务约束、威胁约束以及航程的预估进行建模分析。针对多机协同攻击决策问题,建立了角度、距离、速度、高度与空战能力5个威胁因子对空战态势进行描述,并提出使用区间数表示威胁因子中的不确定信息。其次,针对多无人机协同任务规划中的任务分配问题,结合规划场景中的多种约束,研究了基于静态链表结构的遗传算法,并使用在了任务分配中,仿真结果表明了设计的有效性。接着,为了实现协同任务规划中快速有效的航路规划,研究了改进的A*算法。对A*算法的多种启发函数进行分析与选择,并设计了一种新型地图信息存储方式对A*算法进行改进,仿真证明改进提高了算法的规划速度。随后,任务执行过程中由于事先侦察的不充分、任务临时调整、设备故障等因素会引发如下重分配情况:任务点新增,任务点取消,新增威胁区域,无人机战损以及人为任务调整。研究了基于合同网算法的任务重分配算法,并对合同网中的投标过程进行改进。仿真结果表明了设计的合理性。然后,综合考虑战场态势信息存在的非完备性和目标意图,提出了一种无人机协同攻击决策方法。利用粗糙集理论对历史空战信息进行规则的挖掘,对比当前需要识别意图的态势信息与规则之间的相似程度,获取目标意图。再将意图结合当前的态势构建攻击分配的模型,并对匈牙利算法进行改进,使其可以在当前这种态势信息不确定的模型中完成目标分配。通过仿真实验证实了改进的有效性。最后,将上述任务分配、航路规划以及重分配设计相融合,在Visual Studio 2015平台上利用MFC相关的技术开发设计了协同任务规划系统仿真平台,并演示了协同任务规划的仿真过程。