随着自主式水下航行器系统的广泛应用，如何利用海流进行任务分配与路径规划，从而降低航行能耗，已成为一个重要挑战。现有方法通常只在路径规划阶段考虑海流的影响，却忽略了海流在任务分配阶段所发挥的作用。为解决这一问题，本文提出了一种基于仿生神经网络的任务分配与路径规划方法。首先构建了一种用于路径规划的海流 Glasius 仿生神经网络模型，该模型综合考虑海流和障碍物的影响，能够在复杂环境中高效识别节能路径。其次，设计了一个预规划路径代价矩阵，并将其作为任务分配的输入，以便在任务分配过程中同时考虑海流和障碍物的影响。第三，设计了一种基于注意力机制的开普勒优化模型，用于求解任务分配目标函数。该模型旨在满足时间约束的同时，确定能耗最低的任务访问顺序。实验结果表明，本文所提方法能够有效降低系统的总能耗。