针对多无人机协同搜索多运动目标航迹优化问题, 建立基于搜索概率图的信息环境模型, 提出了一种基于人工势场与自适应参数调整粒子群优化的搜索算法(APF-APSO算法), 用于不确定环境中的动态目标搜索。利用人工势场中无人机与山体之间、无人机之间的虚拟排斥力进行有效避障, 以及无人机与目标之间的虚拟吸引力加快目标搜索; 通过非线性的指数函数参数调整法对粒子群参数进行调整, 并根据无人机搜索过程中得到的栅格单元信息确定度和目标存在概率对搜索概率图进行实时更新, 来引导无人机对目标进行搜索。仿真结果表明, 与其他算法相比, 所提算法在搜索目标方面具有很大的优势, 缩短了路径长度;避免了陷入局部最优解, 具有较好的收敛性; 能够有效地实现多无人机之间的协同搜索, 提高了搜索效率。

针对通信带宽受限下的无人机集群协同搜索问题, 考虑了战场环境中存在威胁区的情况, 提出了一种分布式多无人机意图交互的优化搜索算法。首先, 基于设计的环境态势感知图, 建立了环境状态空间模型以及更新方法;其次, 定义了多步长下的搜索回报函数, 得到各无人机的决策意图;然后, 设计了融合更新算子以及带宽受限下的动态通信拓扑, 实现了多无人机之间的意图交互;最后, 在获取其他无人机意图的基础上进行再决策。仿真结果表明, 所提算法能够在通信带宽受限情况下, 完成多无人机对任务区域的协同覆盖搜索任务, 并实现了对威胁区域的规避。

为解决反辐射无人机的协同搜索问题, 首先,建立“全时域视场覆盖”这一协同搜索航路规划代价指标, 以两架无人机为例, 规划出协同搜索航路, 并制定合适的协同搜索策略; 其次, 利用一阶一致性算法来协调控制每架反辐射无人机的速度, 使反辐射无人机同时到达指定位置;最后,通过仿真验证了该方法的有效性与可行性。

针对多架异构无人机在未知环境下协同执行搜索打击任务。考虑无人机和目标资源问题,采用了一种组建联盟方式来完成打击任务,建立了组建联盟的多目标优化模型,并提出了一种并行带精英策略非支配排序的遗传算法(NSGA-II)求解模型。通过具体的仿真验证了模型的合理性,分析了不同情况下的算法运行速度,并与传统方法进行对比,证明了并行NSGA-II具有很强的实时性,且提高了任务的完成效率。

搜索环境的复杂化使得多无人机（UAV）协同搜索需要面对各种类型的目标。针对各类型目标的运动特征，采用目标存在概率密度相关的搜索图方法，在考虑协同搜索问题特性基础上，建立合理的目标收益函数。采用集中式与分布式相结合的集散式控制框架，结合对搜索图的探测更新，通过预测控制及改进匈牙利算法进行多UAV的协同搜索决策。所用决策方法可在提高搜索效率的同时，有效避免多UAV间可能发生碰撞的问题。最后，通过与传统搜索方法进行仿真对比分析，验证了所提方法的有效性。

双机IRST系统协同搜索是一种重要的无源探测手段。分析了双机IRST协同搜索关键问题，建立了自主引导搜索的数学模型，通过长机IRST系统探测到目标的角度信息，并利用IRST系统的探测距离范围限制计算目标在僚机机体系中的角度范围，据此引导僚机IRST系统对目标存在区域进行搜索。对于僚机搜索范围提出顺序搜索和中心搜索两种搜索策略，仿真结果表明了引导搜索的有效性，中心搜索比顺序搜索效率更高，所需时间更短。其中,根据中心搜索策略提出的两种一次搜索方案的仿真结果验证了成功引导搜索的性质，对研究双机IRST自主引导搜索系统配置具有一定的参考价值。

针对不确定环境下无人机(Unmanned Aerial Vehicles,UAVs)协同搜索问题，为实现最优化目标，分别对不确定环境、无人机平台、网络通信关系以及协同搜索探测更新建立数学模型，提出一种基于最大可知度(Uncertainty Value Reducing Maximization)的控制算法。采用该算法解决多无人机不确定环境下协同搜索问题,并证明控制算法的相关数学特性，最后从不同角度对协同搜索控制算法进行仿真。仿真结果表明，该算法不仅能够有效实现协同搜索，且能保证搜索区域覆盖性和时间优越性。

不确定环境下多无人机协同搜索是多无人机协同控制的一个重要研究内容。多架无人机同时对一个不确定区域进行搜索，目的在于获取搜索区域的信息，降低环境的不确定度，并尽可能发现隐藏在环境中的目标。针对这一问题，提出一种基于协同进化算法的多无人机协同区域搜索算法。首先，建立搜索概率图来描述搜索环境的不确定性，并使用贝叶斯准则更新搜索概率图，然后,使用协同进化算法，在线生成多UAV协同搜索的路径。仿真结果验证了算法的有效性。

根据反潜直升机及其机载搜索设备的特点，针对扇形应召搜索区的具体情况，提出了当应召搜索区为扇形搜索区时的一种反潜直升机协同搜索方法，即“前堵后追”法，给出了具体的作战使用方法。并通过对搜索机理的详细分析，建立了基于蒙特卡罗法的搜索效能仿真模型，在想定条件下对该搜索方法的搜索效能进行了仿真。仿真结果表明，与其他典型对照搜索方案相比，该搜索方法的搜索效能较高，是扇形应召搜索区一种比较理想的协同搜索方法。

多无人机协同搜索是多无人机协同控制的重要内容之一,无人机协同搜索的两大问题是通讯延迟和分布式的计算环境。各无人机既要提高搜索效率又要避免碰撞。提出了一种以分布式模型预测算法为基础的搜索算法。通过引入合适的缓冲周期,安排不同的无人机分别对未来不同的时间范围进行规划。不同无人机的搜索规划在时间上不再耦合,从而解决了多机分布式计算和通讯延迟的问题。该方法的目的是实现真实环境下的分布式协同控制。最后用仿真算例验证了算法的可行性。