多UCAV(Uninhabited Combat Aerial Vehicle)协同任务规划是充分发挥多UCAV协同作战优势、使任务复杂性与UCAV能力之间保持良好协调性所必须解决的关键问题。它是一个多约束、强耦合的复杂多目标优化与决策问题,其本质是通过综合利用各种优化、决策和智能计算等技术为UCAV设计出协同的任务计划,使多UCAV协同作战的整体效能优于各个UCAV单独作战效能的总和。论文以问题解耦降低复杂度、问题建模和问题求解为主线,重点研究了多UCAV协同任务规划的两个关键问题——多UCAV协同任务分配和多UCAV协同路径规划问题。对多UCAV协同任务规划问题的相关概念进行了定义,并阐述了问题的复杂性。以对多UCAV任务的层次特性分析为基础,提出了任务规划分层迭代框架,将任务规划分为编队层和单机层。在此基础上,依据一定的战术约定,进一步提出了多UCAV协同任务规划逻辑流程,通过层间和层内解耦将问题分解为不同层次的子问题,有效降低了任务规划问题的求解难度。以所提出的逻辑流程为基础,论文从子问题中抽象出多UCAV协同任务分配和多UCAV协同路径规划两个关键问题。建立了多UCAV协同任务分配多目标整数规划模型(Multi-Objective Integer Programming,MOIP)。通过引入虚任务区概念,将三维约束降为二维约束,有效地降低了决策变量的复杂性。以多目标优化理论为基础,对约束条件与规划指标进行了形式化描述,提出了多UCAV协同任务分配MOIP模型,为一类具有复杂多约束的多UCAV协同任务分配问题建模提供了有效方法。建立了基于V(VORONOI)图的多UCAV协同路径规划(VORONOI Based Cooperative UCAV Path Planning,VBCUPP)模型。利用V图的拓扑特性,对包括禁/避飞区和威胁的战场环境建立了V图形式化描述。对V图进行了扩展,使之有效处理不同类型、强度的威胁,及UCAV飞行安全高度约束等。建立了基于V图的威胁源索引,更真实地反应了战场空间的威胁度分布。在此基础上,以V图顶点为路径点,V图的边为路径段,建立了多UCAV协同路径规划VBCUPP模型,为复杂环境下的一类多路径规划问题建模提供了一种有效方法。依据任务分配MOIP模型,提出了多目标整数规划进化算法(Multi-Objective Integer Programming Evolutionary Algorithm,MOIPEA)。分析了任务分配问题约束条件的特点,提出了全局/局部约束和自由/非自由变量概念,设计了整数编码方案和基于整数编码的进化算子,并在编码设计和进化算子中利用约束启发信息提高了约束满足率。论文采用外部非劣集技术防止进化中已经产生的非劣解被丢失,提出并设计了从Pareto占优数、次占优数以及占优幅度三个不同粒度计算外部非劣集个体适应度的方