任务规划是无人系统自主性的基本能力，是无人平台在战场大规模应用的基础，受到了越来越多地深入关注和研究。本文针对陆地战场的复杂性、动态性对任务规划技术带来的更多挑战，对陆战环境下单无人平台和多无人平台的任务规划技术展开研究。本文主要工作包括：

(1) 针对单无人平台任务规划中存在非完全信息复杂动态环境下适应性差的问题，提出了A*和深度强化学习相结合的路径规划方案。该方案通过A*算法获得全局最优粗粒度路径点，然后基于深度强化学习设计了改进的分层神经网络，利用课程学习的方式训练模型，规划得到平滑的局部路径，使无人平台在复杂未知的陆战环境中实现全局较优和轨迹平滑的路径规划，提升了无人平台的环境适应性和模型泛化性。

(2) 针对多无人平台任务规划存在已有数学模型考虑不全面、和战场实际差别大等问题，建立了基于协同作战概念的多平台任务规划数学模型。该模型综合考虑武器载荷制约、目标战略价值、作战环境、支援兵力等影响因素和交战回合、时间协同等约束条件，从基本假设、概念定义、交战过程、约束和目标函数等方面给出了详细的定义，并对包含支援兵力的协同作战过程进行模拟，更加符合作战实际。

(3) 针对复杂环境下多无人平台任务规划存在影响因素、约束条件、规划内容众多且相互耦合的问题，本文提出一种基于粒子群优化算法的任务规划一体化算法(PSOIMP)。该算法先利用A*算法快速求解各目标阵地间的粗粒度路径信息，再通过引入生命力选择策略和时间协同约束的改进粒子群优化算法求解无人平台-目标分配信息，结合改进AOE网规划各个目标交战起止时间，实现了大规模无人平台任务规划问题的一体化求解，避免了信息丢失，更符合实际作战情况。