由于群机器人系统的结构迥异于单机器人系统和多机器人系统,因此,必须采用适应于其结构特点的理论和方法才能解决群机器人系统中的相关问题。首先,针对未知环境下的群机器人采用启发式区域覆盖算法完成区域覆盖任务时,多个机器人相遇后,并发覆盖相同栅格而造成重复覆盖的问题。通过减少机器人运动过程中的转向次数的方法,有效减少了机器人的相遇次数,从而减少了机器人并发覆盖相同栅格的次数。根据该方法,在原算法中引入了方向变量,形成了改进的群机器人启发式区域覆盖算法。通过仿真实验,说明了该算法的有效性。然后,针对区域覆盖中常遇到的结构化环境,将结构化环境进行了规则化抽象,并分析了结构化环境中的群机器人启发式区域覆盖算法效率。通过仿真实验,说明了群机器人启发式区域覆盖算法在结构化环境中仍然有效,而且引入方向变量的群机器人区域覆盖算法对结构化环境的复杂度不敏感,能够很好的适应复杂的结构化环境。最后,针对未知环境下的群机器人围捕问题。受自然界中群体性生物围捕过程启发,分三个步骤解决该问题:第一步、群机器人对任务区域巡逻;第二步、机器人发现猎物后跟随猎物一起运动并向同伴发出信息;第三步、跟随猎物一起运动的机器人个数达到规定阀值n,则机器人捕捉猎物,围捕任务结束。在第一步中,引入群机器人启发式区域覆盖算法完成对任务区域的巡逻,并结合第二步和第三步的任务对该算法进行了修改,从而形成了未知环境下的群机器人启发式围捕策略。最后,通过仿真实验,说明了该围捕策略的有效性。