无人飞行器在军事和民用领域发挥着越来越重要的作用，如情报收集、区域监视、环境监测、搜索和救援等。然而，由于单架无人飞行器自身能力的限制，难以完成复杂的作战任务。因此，多无人飞行器协同执行一组任务成为了当下和未来的研究热点之一。而为了使多无人机飞行器能够充分发挥优势，需要进行任务分配，使无人机之间有序地执行任务，最大限度地发挥无人飞行器集群的性能。 在科研领域中，通常将任务规划问题建模为旅行商问题(Travelling SalesmanProblem,TSP)，该问题是一个经典的组合优化问题，将该问题进行数学建模后，可以描述为：一个商品推销员要去若干个城市推销产品，从其中某一个城市出发，经过所有城市后，回到出发城市，如何选择路线，使得总路程最短。在求解此类问题时，路径通常用欧式距离近似代替，而在任务规划问题中，通常会采用更加准确且符合实际的Dubins距离等几何计算方法确定两者之间的路径长度。 从任务规划问题求解方法看：由于此类问题是一个NP完全问题，采用穷举法求解效率低下，目前主流的方法是采用一些随机的、启发式的搜索算法，如遗传算法、蚁群算法、模拟退火算法、粒子群算法等，但这些算法都存在相同的缺点，只能无限接近最优解，但无法得到最优解，且此类算法受初始条件等的影响较大，得到的结果具有不确定性，无法具体评判结果好坏，难以运用于实际工程应用当中。 从任务规划适用对象看：对于作战场景中的任务规划问题，通常将目标简单建模为质点，并不符合任务规划问题的工程化应用。由于目标可能具有不同的空间特征、行为等，因此需要根据目标尺寸、无人飞行器火控瞄准视场大小之间的关系，细分目标类型为点目标、线目标、面目标，在目标类型异构且具有不同特性的情况下，协调多无人飞行器的内部资源，考虑打击角度、航路长度、航路转折点数目、飞行器转弯半径、飞行器末制导预留横向距离等关键因素，通过优化打击任务分配方案和缩短飞行路径总长，保证打击任务顺利完成。 因此，研究一种适用于多类型目标快速打击任务规划的方法，在保证任务顺利完成的前提下，缩短规划问题的求解时间，对于方法的工程化应用具有相当重要的理论和现实意义。