无人机（Unmanned Aerial Vehicle,UAV）集群探测具有部署灵活、无人员伤亡、集群生存率高以及探测成本低等诸多优势,已成为战场中不可忽视的力量。任务规划技术作为保证无人机集群生存率,提高探测收益的关键技术,是实现未来无人机集群自主探测的基础。本文针对无人机集群自主探测动态任务规划问题做了以下几方面研究:（1）针对无人机集群探测中的集中式多无人机集群任务在线重分配问题,在多种目标类型和异构无人机等复杂场景中,采用马尔科夫链模型对无人机集群探测进行建模。本文提出了基于二项分布的无人机集群分配模型并引入了平方损失下的经验贝叶斯参数估计方法。在此基础上使用遗传算法对问题进行求解,提出了加入调度偏移项的适应度函数。仿真实验表明相比较于平均分配,本文方法可以有效提高目标发现数,并在任务后期取得接近最优分配的结果。（2）针对无人机集群探测中的分布式动态目标协同搜索任务规划问题,考虑多目标类型复杂场景,将任务空间离散栅格化建模,提出精细化分段描述的目标改进引力场方法,并提出了新型的搜索斥力场提高无人机搜索效率,在人工势场（Artificial Potential Field,APF）算法基础上优化改进了基于势场方向的协同搜索流程。通过与混合人工势场蚁群算法（Hybrid Artificial Potential Field and Ant Colony Optimization,HAPF-ACO）和扫描搜索的仿真实验的结果进行对比,验证了改进后的人工势场算法（Improved APF,IAPF）在规划结果的最优性和规划过程的快速性上的优势。另外,本文还对有无人机扰动的场景进行了研究,验证了本文方法在无人机发生故障时的鲁棒性。（3）针对无人机集群探测中混合式动态目标协同搜索的任务规划问题,面向多种目标类型复杂场景,提出一种混合分层人工势场算法（Hybrid Layered Artificial Potential Field,HL-APF）。本文为了解决未知目标搜索问题以及提高区域覆盖率,在IAPF算法基础上加入了由云服务中心CS控制的集中式分层任务分配算法。为了提高任务后期的搜索效率,分层算法中提出了集中式的搜索图算法以及CS激活机制和指派冷却机制。在IAPF和分层算法基础上,设计了基于混合控制架构的协同搜索流程。仿真结果表明,与HAPF-ACO和IAPF方法相比,本文提出的HL-APF方法可以显着提高目标发现数和区域覆盖率。本文还对基于Dubins的跟踪曲线进行了研究,解决了无人机集群探测中的搜索-跟踪多任务问题。实验结果表明,该方法能够满足无人机动力学约束和无人机的跟踪距离约束。