无人机集群具有体系生存率高、规模大以及成本低等诸多优势,必然将成为未来战场的一种主流作战趋势。在无人机集群可执行的多种作战任务中,侦察任务是最基本也是最重要的任务,决定了后续作战任务是否能够成功的进行。因此,本文对无人机集群协同侦察任务规划进行研究,主要工作内容如下:首先,深入分析了无人机集群协同侦察问题涉及的关键要素,建立了集群通信拓扑结构、考虑无人机性能约束的集群运动模型、任务环境模型,并对无人机集群侦察目标进行分类,主要研究点目标和面目标侦察两种任务场景。针对不确定任务环境下的点目标侦察,考虑无人机机动性能、威胁规避、机间安全以及最大航程等多种约束,设计了分布式侦察任务优化模型;针对已知任务环境下的面目标侦察,将侦察过程分解为目标分配和目标侦察模式,建立了综合考虑无人机性能、携带侦察资源、目标信息以及侦察目标需求资源等条件的目标分配模型。其次,针对无人机集群协同点目标侦察任务,建立了目标概率分布图来描述时敏目标在任务区域的分布情况,并根据无人机机间通信以及对环境的探测认知动态更新概率分布图。同时,考虑到目标的运动特性,对概率分布图进行预测更新。在此基础上,设计人工势场并结合蚁群优化算法,提出了一种改进的分布式人工势场蚁群算法求解协同点目标侦察任务优化模型。仿真结果表明,所设计的算法能够实现无人机的在线协同侦察决策、避障以及航程约束范围内返航,并且具有更优的任务执行效率。然后,针对无人机集群协同面目标侦察任务,应用改进的优化粒子群算法求解无人机集群目标分配模型。根据求解所得的目标分配方案,无人机集群基于集群运动模型更新自身速度和位置,形成有序整体朝目标运动,并基于Dubins曲线实现目标侦察航路过渡,从而依次侦察任务序列中的目标,直至任务结束返回基地。仿真分析了所设计算法的有效性以及实现了无人机集群面目标侦察的过程。最后,基于MATLAB的GUI界面开发了无人机集群协同侦察任务规划仿真系统,完成了无人机集群点目标侦察和面目标侦察任务规划的仿真实验,验证了软件功能的可行性。