基于多机器人技术的地图构建方案由于其适应性强、安全高效、精确可靠等特点已经被视为地图构建问题的一个理想解决方案。在该方案中,节点间的协调和任务的分配是决定地图构建效率的主要难点。针对大规模节点协同的问题,并行、多点的方式是解决这一问题研究的要点。目前已有的节点协同算法是基于任务分配的算法,典型的有基于市场机制、基于阈值、基于行为的分配算法。这些算法将地图构建问题分解为若干子问题,依赖节点的层次结构,进行集中式发布。这样做不但会产生用于发送指令的额外通信开销,更会在节点数量上升时由于协同算法计算量上升,从而导致整个系统的效率下降。因此,我们需要寻找一种完全分布式并具有更好可扩展性的节点协同算法。本文引入粒子群优化模型,提出了一种新的分布式自组织地图构建算法,解决了上述问题。粒子群优化是一种典型的群体智能算法,相比传统的优化算法更强调粒子之间的协同合作,用并行方式完成对解空间的搜索。本文提出算法的思路是,将粒子群优化中在解空间对最优解搜索的过程转化为在未知区域对未探测区域的搜索过程,从而实现对未知区域的地图构建。粒子群优化中粒子是完全分布式和同构化的,在搜索过程中所有粒子只需要进行自身运动路径的计算,因此当粒子数目增加时原有节点不需要增加额外的计算量。针对通信量增加的问题,我们采用了一种虚拟信息素机制来完成节点间信息交互,通过小范围广播进行通信,无需路径计算,从而节省通信开销。通过以上方法,采用本算法进行地图探索可以提高系统的规模特性。本文的主要工作包括:(1)总结现有地图构建算法和粒子群优化算法研究现状,对算法的可行性进行理论分析;(2)提出了基于粒子群优化模型的地图构建算法,包括两阶段PSO搜索路径决策机制和基于虚拟信息素的节点间交互机制,给出算法模型的详细描述,对算法模型进行理论分析,以伪代码形式给出算法实现;(3)在自主开发的仿真平台上实现了算法,并针对算法的有效性、可扩展性和参数影响进行了一系列的对比仿真实验,对实验结果进行详细分析。本文提出的地图构建算法基于粒子群优化模型,节点自组织地进行协作,分布式地完成搜索路径计算,能够在有限时间内完成对未知区域的地形图构建,并且具有良好的规模特性,完全适用于多机器人地图构建的应用场景。