随着无人机(Unmanned Aerial Vehicle, UAV)技术在军事领域的快速发展与广泛应用，UAV越来越受到人们的关注。近年来，在信息科技和消费电子产业等巨头的推动下，民用无人机市场也将迅速崛起。为充分发挥UAV的优点而规避其不足，多无人机协同执行任务成为无人机技术发展的重要趋势之一。作为多无人机协同决策与控制技术核心的多无人机协同任务规划问题很大程度上直接决定了多无人机协同的效果。然而，多无人机协同任务规划问题是一个极其复杂的决策与优化问题。它受到战场环境、UAV性能、任务要求等多方面约束的影响，面临着信息不完全与不确定性、计算复杂性、时间紧迫性等多方面的严峻挑战。针对这个复杂的协同问题，本文以多无人机协同执行目标确认/攻击/毁伤评估一体化任务为背景，考虑无人机的资源有限性、多任务间的时序约束、规划实时性等方面的约束和要求，以图论和组合优化理论为主要数学工具，建立多无人机协同任务规划问题的数学模型，提出相应的解决方法，并检验之。(1)考虑异构多无人机及其机载弹药资源约束，建立了异构多无人机协同任务规划问题的组合优化模型，进行集中式的离线任务规划，并基于多类型基因的思想提出一种改进的遗传算法进行问题求解。该方法从UAV的异构性和目标/任务要求的独特性出发，对基因进行归类，使其对应于固有的任务要求而体现出不同的特性；并由这多种不同类型的基因组成染色体，表示组合优化问题的一个备选解，从而将协同问题的异构性直接体现在解的编码过程中；在后续的种群初始化、杂交、变异等遗传算子设计中，对应于基因类型的特定要求进行操作，从而在种群演进过程中成功处理了任务规划问题的异构性和资源有限性，并始终保持了备选解的可行性。最终，通过该方法获得一个较好的可行解。(2)以多无人机协同搜索与打击任务为场景，使用基于市场机制的分布式合同网架构进行在线实时任务规划，给出了分布式节点的决策机制，建立了局部动态任务分配问题的数学模型。由于任务执行过程中任务分配的不均匀，各个UAV的工作负荷有多有少，而这种不均衡性会降低系统的性能。为平衡系统成员间的工作负荷，本文提出一种分担工作任务的“反向”平衡交易协议。该协议由空闲UAV发起，拍卖其自身的空闲工作能力，而买入其他UAV的工作任务，且这种反向交易的优先级低于正常分配任务的“正向”交易。“正向”分配协议和“反向”分担协议共同组成分布式系统的双向合同网协议，有效提高了系统的协同效能。(3)基于分层控制的思想使用UAV编组的方式，对分布式系统中的局部动态任务分配问题进行求解。由于需要对被发现的地面目标先后执行攻击和毁伤评估任务；而且不同目标上的攻击任务需要的弹药种类和数量可能无法由单架UAV满足而不得不分解成多个必须同时执行的子攻击任务。从而，对一个目标的打击任务可能需要多架UAV来共同完成，这些UAV就临时组成了一个UAV编组。本文考虑这种任务间的强耦合特性，提出了一种能够处理时序任务和多样化资源要求的流程，成功处理了分布式系统的市场交易问题。(4)以目标确认/攻击/毁伤评估一体化任务为背景，针对受时序优先级约束的协同多任务规划过程中不可避免的死锁问题，基于图论提出了一整套的解决方法：建立了问题的组合优化模型；并对其约束特性进行分析，指出其隐含的重要约束——无死锁约束；分析了该协同任务规划问题中可能出现的死锁情况，给出其一般形式；基于图论对备选解建立任务时序优先级图及其子图（任务执行子图和任务约束子图），分析了这几个有向图的特性，指出编码了死锁情况的备选解，其优先级图必然具有非空的强联通分支，并给出一种转置操作打破了死锁解的死锁环，将其转化为可行解。从而成功解决了该任务规划问题中的死锁问题。另外，通过使用死锁处理过程中获得的解的拓扑序列，优化了多无人机的路径协调过程。