由于近年来无人驾驶飞行器技术的蓬勃发展，这些飞行器正被用于许多涉及复杂任务的领域。其中一些任务对车辆驾驶员来说具有很高的风险，例如火灾监控和救援任务，这使得无人机成为避免人类风险的最佳选择。无人飞行器的任务规划是对飞行器的位置和行动（装载/投放载荷、拍摄视频/照片、获取信息）进行规划的过程，通常在一段时间内进行。这些飞行器由地面控制站（GCS）控制，人类操作员在地面控制站使用最基本的系统。本文介绍了一种新的多目标遗传算法，用于解决涉及一组无人飞行器和一组地面控制站的复杂任务规划问题（MPP）。我们设计了一种混合拟合函数，使用约束满足问题（CSP）来检查解决方案是否有效，并使用基于帕累托的方法来寻找最佳解决方案。该算法已在多个数据集上进行了测试，优化了任务的不同变量，如时间跨度、燃料消耗、距离等。实验结果表明，新算法能够获得良好的解决方案，但随着问题变得越来越复杂，最佳解决方案也变得越来越难找到。