无人机UAV进行协同控制是一个极其复杂、极具挑战性的过程，其复杂性主要体现在：
（1）任务环境的复杂性：复杂的对抗性的动态环境，可能包含着多种既有的和突发的威胁、障碍、极端天气等，而且UAV与系统可能无法获知或无法及时获知环境的全局信息及其变化；
（2）多无人机系统成员间的差异：UAV数量以及不同UAV间的运动学动力学特性、功能差异、信息收集与处理和通信能力的差异，而且无人机可能在任务执行过程中失效等；
（3）任务需求的复杂性：不同的任务具有不同的要求，其在作战目标、时序约束、时间没感性约束、任务间耦合约束、任务指标等各个方面均可能存在着差异，而且作战目标还可能存在着不确定性，如移动目标、目标参数不确定等问题；
（4）计算复杂性：在进行协同任务规划问题研究时，不可避免的会碰到一个NP难题，即随着问题规模的线性增长，如无人机数量、目标数量等，问题的解空间呈指数级的爆炸式扩张，当问题规模增大时，从这个庞大的解空间中找到最优解需要耗费大量的计算，非常困难。当任务的实时性要求较高时，这个矛盾会更突出，甚至会直接以你选哪个协同任务的执行效果；
（5）通信约束的复杂性：任务环境的复杂多变就必然会对UAV机群的通信网络造成影响，如通信拓扑结构变化、宽带受限、通信干扰、通信延时等，甚至可能会出现虚假通信等问题，在考虑到UAV本身的通信设备性能限制，如通信距离和宽带等，以及某些任务可能会要求通信尽可能的少，这极大的增加了多机协同问题的复杂程度。
在上述复杂性的共同作用下，多无人机协同任务规划问题就编程了一个极其复杂的问题，对该问题进行建模与求解的难度也大大增加。作为无人机技术发展的一个重要趋势，多UAV协同控制方面的研究方向收到了美国军方的极大重视，已经被美国空军研究局列为六大基础研究课题①之一，也成为学术界的研究热点之一。
