Con el rápido desarrollo de la inteligencia digital, los drones pueden proporcionar muchas comodidades para la vida de las personas, especialmente en la ejecución de misiones de rescate en áreas especiales. Al ejecutar misiones de rescate en áreas remotas, la comunicación no puede estar completamente cubierta. Por lo tanto, para mejorar la adaptabilidad en línea del enlace de la cadena de tareas en la planificación de tareas con una estructura de sistema compleja como fondo, se construyó un problema de asignación de capacidad de tarea-fuente distribuida (DSTCA). Se propuso el primer esquema de mecanismo de coordinación de la cadena de tareas, y se construyó una arquitectura DSTCA basada en el mecanismo de coordinación de la cadena de tareas para lograr la adaptabilidad en línea del enjambre. Al mismo tiempo, los algoritmos existentes no pueden lograr esta idea, y se propone el algoritmo DSTCA-CBBA basado en CNP. Se evalúan tres indicadores: el cambio de eficiencia, la puntuación del agente y el tiempo a través de casos específicos. En respuesta a cambios repentinos en los nodos del enlace de la cadena de tareas, se utiliza el algoritmo del árbol de expansión máxima para reconstruir el enlace de la cadena de tareas en un corto período de tiempo, completando así la tarea asignada a la entidad del dron. Mientras tanto, los resultados experimentales también demuestran la efectividad del algoritmo propuesto.