多机器人系统的空间分布能力、信息共享能力和功能扩展能力使其在安全防卫和灾害响应等领域具有良好的应用潜力与发展前景，巡逻任务作为其中重要的一环，不仅要求从全局角度对机器人调度进行优化，还需使机器人保持自主的协同能力从而适应环境的动态变化。基于此，本文分别针对集中式和分布式的多机器人巡逻系统展开了研究，根据不同的应用背景，由简单至复杂，由静态至动态，运用生物智能启发的优化算法全局规划巡逻路径，设计基于事件驱动控制的协同方法提升巡逻策略的自适应性，旨在使机器人实现高效、自主、智能地巡逻，主要研究内容包含如下几个方面：
　　（1）针对目前多机器人巡逻领域特别是国内研究中相关综述文献的空白，本文对2002年巡逻问题首次被正式提出并定义以来的代表性研究成果进行了回顾，根据环境中是否存在外来入侵者这一条件将已有研究成果分为普通巡逻和对抗巡逻两个大类。在这两个类别中，环境的不同导致了巡逻目标的不同，进一步导致了巡逻方法的不同，因此，本文对每类问题从模型建立、评价指标和协同方法等方面进行了总结，系统性地归纳了多机器人巡逻系统的知识体系和理论框架，并提出了目前存在的开放性问题和待研究方向。
　　（2）基础的静态巡逻问题可以看作是多机器人多目标点的任务分配问题，对此，本文首先提出了一种基于Softmax回归的小生境免疫优化算法，以解决多机器人任务分配中的多峰优化问题。该算法采用Softmax回归对小生境免疫优化算法迭代过程中产生的新抗体进行预判，淘汰预估效果不好的个体，减少进入适应度评价过程的抗体个数，降低相应的计算时间，从而提高算法时间性能。此外，针对多机器人任务分配问题的特点，本文受碱基对变异理论启发设计了引导变异算子，进一步提高算法的搜索能力。通过在多峰优化测试函数和多机器人任务分配问题上的仿真实验，算法在时间性能和优化能力方面的提升得以验证。
　　（3）针对恶劣天气条件下航运灾害响应系统中的多机器人巡逻问题，本文从资源损耗、时效性和紧急性等三个方面建立了多目标优化模型，受免疫内分泌短反馈网络的启发，提出了一种基于生物智能的优化算法。该算法根据巡逻路径的特点定义了冗余解和交叉解，采用贝叶斯学习调节抗体不同基因位的变异概率，减少新种群中这两种不被期望的解的数量，提高算法的变异效率。此外，该算法还定义了保留系数用来更新存储在记忆细胞中的抗体，降低适应度值相似的非支配解浓度，间接提高种群多样性。本文在多个测试函数上验证了算法的多目标优化能力，通过与其他启发式算法的比较验证了该算法在解决此类航运巡逻路径规划问题上的高效寻优性能和快速收敛性能。
　　（4）针对航运污染监测中多机器人系统对移动船只的自主巡逻问题，本文提出了一种基于事件驱动控制的分布式协同策略。在机器人选择巡逻目标时，本文提出了一种双向评价机制，定义了前向效用方程和后向效用方程分别作为从机器人角度评价船只和从船只角度评价机器人的判断准则。当双方均认为彼此是各自最合适的巡逻目标和巡逻者时，这个双向选择过程即可达成，机器人确定该船只为其巡逻目标，并将巡逻目标附近的船只纳入其后续巡逻任务队列。在机器人向各自巡逻目标的移动过程中，本文定义了三种事件类型，当其中之一发生时，与该事件有关的两个机器人之间进行通信，确定协同模式，从而提高整体工作效率。本文通过与其他前沿算法的比较验证了所提策略在船只访问频率上的提高，并对该策略在航运污染监测问题上的应用进行了讨论与分析。
　　最后，本文对所有工作进行了总结，分析了目前研究中存在的不足，对有待进一步解决的问题进行了展望。