随着无人机被应用的领域范围不断扩大,需要无人机所具备的性能和工作的效率不断提高,无人机航迹飞行和任务执行成为了研究重点。无人机航迹规划是无人机安全飞行的基础,规划出一条最短航迹有利于提高无人机的工作效率,减少损耗。不同的任务分配顺序给无人机带来的损耗不同,完成任务的效率也不同。所以进行合理的航迹规划与任务分配是有必要的。本文为了使得到的无人机飞行航迹较短,提出了有效的无人机航迹规划算法,为了得到合理的任务分配顺序,使无人机能够高效地执行任务,提出了有效的无人机任务分配算法。全文主要研究内容如下:针对无人机航迹规划问题,本文以蚁群算法为研究,对蚁群算法进行了描述,分析了蚁群算法的优缺点,将算法应用到求解航迹规划问题上。对于蚁群算法收敛速度较慢,耗时较大,求解效率较低,容易陷入局部最优等缺点,提出了自适应多启发蚁群算法,改进信息素更新,防止蚂蚁陷入局部最优。在多启发因素蚁群算法的基础上,引入自适应启发函数因子,结合状态转移概率函数,对蚁群进行启发,增加了对环境整体性的考虑。通过仿真结果对比,证明了改进之后的算法能够有效躲避障碍物,缩短了航迹长度,提高了算法收敛的速度。针对无人机任务分配问题,首先以传统模拟退火算法为研究,对传统模拟退火算法进行了描述,分析了传统模拟退火算法的优缺点,将算法应用到无人机任务分配问题上。对于传统模拟退火优化过程较长等问题,对传统的模拟退火算法进行改进,将传统模拟退火算法接受新解的准则进行改进,采用阈值方法对新解进行选择,从而提高算法求解效率。通过仿真结果对比,验证了改进之后的算法提高了求解问题的效率。其次,以遗传算法为研究,对遗传算法进行了描述,分析了遗传算法的优缺点,将算法应用到无人机任务分配问题上,将模拟退火算法解决的任务分配问题背景应用在遗传算法中,针对遗传算法局部搜索能力较差,容易陷入早熟等问题,对遗传算法进行改进,以双染色体多变异遗传算法为基础,引入改进之后的模拟退火算法并与遗传算法进行融合,进行双选择操作。通过仿真结果对比,验证了融合之后算法的有效性,丰富了种群的多样性,提高了算法求解问题的效率。完成了基于自适应多启发蚁群算法的航迹规划,实现了改进模拟退火算法对任务分配问题的求解,证明了改进模拟退火算法与遗传算法融合之后比单一的算法在求解无人机任务分配问题上效率更高,分配结果更好。