异构无人机集群任务规划技术作为行动指引贯穿了集群的整个作业的全周期,其在不同作业阶段、任务需求、环境条件下具有不同的内涵且面临不同的挑战。首先,机载资源模块化以及宽速域无人机平台的发展,使得筹划阶段的任务规划问题除涉及任务分配、时序调度、航迹规划等主要规划子问题外,机载资源配置、飞行速域切换等新类型子问题同样不容忽视,多子问题耦合的任务规划问题具大规模复杂的决策空间,亟需设计高效的优化求解方法,进行大规模复杂决策空间下规划问题的高效寻优。其次,作业阶段异构无人机集群将面临环境未知、目标具有复杂资源需求、目标状态不确定以及机间信息的不一致等复杂因素,亟需高效的分布式任务规划方法,实现集群在未知动态环境下的高效协同。最后,异构无人机集群在城市、山区等复杂环境下自主作业时,往往需要在有限时间内进行快速地任务分配及轨迹规划,亟需具备快速收敛特性的分布式任务规划方法,实现的复杂作业环境下的集群的任务分配及在线轨迹规划,以保障集群在复杂环境下的作业效率及飞行安全。基于此,本文面向集群的筹划阶段与作业阶段,开展复杂任务/环境下的异构无人机集群全周期任务筹划与在线规划问题展开研究,主要工作及成果如下:1)对异构无人机协同作业的典型场景进行了描述,并对任务规划问题涉及的作业任务类型、相关约束以及优化目标进行了分析。构建了多子问题耦合任务规划、联盟形成问题、持续侦察问题以及同步任务分配及轨迹规划问题的形式化模型,以支撑后续的问题实例化表征。给出了简化的无人机平台模型、航迹估算方法以及通信拓扑结构模型,为后续的研究奠定基础。2)针对任务筹划阶段的异构无人机集群预先任务规划问题,提出了同步考虑任务分配、时序调度、航迹规划、机载资源配置、飞行速域切换的多子问题耦合任务规划问题模型。多子问题耦合任务规划导致了解空间的复杂性及规模的提升,为了实现大规模复杂决策空间下多子问题耦合规划问题的高效寻优。提出了基于两级自适应变邻域搜索的任务规划方法,根据问题特性设计了相应的两级自适应扰动以及变邻域下降程序,实现了迭代过程中搜索方向的智能引导。提出了基于领域知识与优化经验引导的任务规划方法,该方法通过多优化解集同步搜索机制保证的解的多样性,同步设计了基于知识引导的搜索及基于经验引导的搜索环节,通过先验知识及优化经验在迭代过程中对搜索方向进行协同引导。仿真表明,提出的两种方法均可有效的处理考虑多子问题耦合的异构无人机任务规划问题,同时对于小、中、大不同规模的任务规划问题均具有良好的性能表现,且在具有大规模决策空间的任务规划问题中优势明显。3)针对集群作业阶段的异构无人机集群在未知动态环境下的在线任务规划问题,以集群协同区域侦察打击作为任务背景展开研究,区域协同侦察打击被视作分布式打击联盟形成以及侦察自主决策问题。针对异构无人机集群的分布式联盟形成问题,考虑集群事先不掌握关于任何先验信息,具有复杂资源需求的目标将动态的出现在场景中,同时装载多样机载资源的无人机集群需要快速组成任务联盟以响应目标的资源需求及任务时限。据此,基于有限状态机构建了联盟的任务处理自动机,以支撑集群的自主任务协调,提出了基于上限置信区间树搜索的分布式联盟形成方法,解决了联盟的分布式形成问题,算法具有可分布式实施、可任意时间终止等特点,仿真表明其可在有限时间内组建平台、资源占用率较低的联盟,有效地处理大规模集群、高任务频率、大资源需求下的联盟形成问题。针对异构集群的自主侦察决策问题,考虑有限的无人机将对大量的目标进行持续的侦察监视,目标位置及数量变化、目标状态不完全可观且机间信息存在不一致,提出了基于深度强化学习的侦察自主决策方法,设计了相应的状态、动作空间、网络结构以及奖励函数,并通过近端策略优化方法进行网络训练。仿真表明提出的自主决策算法可以目标位置变化及机间信息不一致的条件下实现多个目标的公平、高频持续侦察。算法可有效适应目标、无人机数量变化的情况,表明算法具有良好的弹性响应和鲁棒性。4)针对集群作业阶段异构无人机集群在复杂任务/环境条件下的在线任务规划问题。考虑场景中存在密集的威胁障碍,任务具有特定的终端约束,无人机要在满足状态、控制、终端约束的前提下进行集群的在线任务分配与轨迹规划,实现团队效用的最大化。据此,提出了一种无中心、具有快速收敛特性的分布式任务规划算法,算法被视作内外环结构,针对外环,基于最佳任务选择机制的无中心拍卖方法解决机间任务分配问题,无人机依据个体效用最大化的原则进行竞价,并通过局部协调达成群体间的一致性分配。针对内环,提出了一种基于序列二阶锥凸优化的在线轨迹规划方法,建立了凸锥化威胁模型,并将状态、控制、威胁等约束进了的凸化,算法具有快速收敛特性,可有效支撑外环个体效用的快速计算以及无碰轨迹生成。仿真表明提出的算法可有效解决异构无人机集群的在线任务分配与轨迹规划问题。