随着移动通信技术的快速发展与人们日益增长的通信需求,Ad hoc技术受到了很多关注。现如今,Adhoc技术已广泛应用于无线传感器网络、车载网、无人机网络、机器人网络等场景。无人机是一种高端机器人,在无人机Ad hoc应用场景中信道分配是保证无人机网络通信效率、保障网络节点正常工作的关键技术。同时,由于多机器人执行任务具有效率高的优点,它已被广泛应用于救灾,环境监测等场景中。在多机器人网络中,保证组内节点协同有效的执行任务是多机器人系统的重要技术难点。本文首先对Flying Ad hoc网络的信道分配数学模型进行了分析,阐述了移动性对网络信道分配方法的影响,同时在信道分配模型的基础上提出了一种基于学习因子同步变化粒子群算法的信道分配方法。该算法将移动性实验结果作为信道分配的数据来源,使用学习因子同步变化的粒子群优化方法得到信道分配方案的最优解,并将防止信道冲突作为算法执行过程中的约束条件。移动性实验仿真表明移动性算法能够正确模拟节点移动过程。与现有算法进行对比,证明了本文信道分配算法在提高网络信道的平均利用率、节点瓶颈时刻的信道利用率和信道分配过程中公平性等优越性。针对多机器人网络共享资源无冲突的协作型任务分配问题,本文建立了包括任务模型与资源模型的协作型任务分配模型,并提出了一种共享资源无冲突的任务分配方法。该方法解决了多机器人协作型的任务分配问题,对分配方案中协作不合理与分配不合理的方案进行纠正,并检测分配方案中的资源冲突。在此基础上,本文使用了燃气泄露检测场景中的两种实际数据集对模型算法进行验证,结果表明所提出的算法能够在不同计算量的数据集中进行有效求解,任务分配方案能够有效减少执行任务的消耗。