随着社会的发展,机器人应用领域正在不断扩展。然而单机器人系统在信息的获取、处理与控制能力等方面存在局限性,对于复杂的工作任务及多变的运行环境,单机器人系统的能力更显不足。多机器人系统相比单机器人系统而言具有明显的优越性,通过多机器人合作,可高效地完成单机器人无法或难以完成的复杂任务。多机器人合作(Multi-robot Cooperation)属于组织问题的范畴,涉及到博弈论、运筹学、人工智能等学科领域,是近年来多机器人系统领域的研究热点之一。通过对合作问题的研究,既可更好地实现对多机器人群体的组织与控制,又可为人工生命、社会科学等问题的研究提供一些有益的借鉴。因此本课题研究具有重要的科学意义和应用价值。从定量分析的观点出发,多机器人合作问题包含总任务的产生、任务分解、任务分配等内容。本文在全面收集、整理与综合分析国内外有关本课题研究文献资料的基础上,对多机器人系统中的机器人合作问题及其应用展开了较深入的研究。主要研究工作如下：(1)多机器人系统的总任务产生与分解针对动态搜索性环境下的救援机器人系统任务分解问题,在简要分析系统总任务产生机理的基础上,将k均值算法引入多机器人合作环境探索任务分解问题中,提出一种基于k均值聚类的RoboCup救援系统任务分解方法(kMC-RCRSTD)。仿真结果表明：该方法任务分解性能好,与同类方法相比,具有离群点率低、子任务差异度小、时间复杂度低等优点。针对动态对抗性环境下的足球机器人系统任务分解问题,在简要分析系统总任务产生机理的基础上,提出一种基于球场分区与足球引力场的足球机器人系统任务分解方法(CDSGF-SRSTD)。仿真结果表明：该方法可改善球队竞赛性能,与同类方法相比,可有效缩短任务分解时间、提高任务分配效率。(2)基于机器人时间效用函数的多机器人任务分配模型针对现有方法只是采用算法寻优,而未将任务分配结果加以量化的缺陷,在综合考虑机器人与任务之间距离、机器人始末姿态角度差及其到达目标点后所做动作等因素的基础上,建立一种基于机器人时间效用函数的多机器人任务分配模型(RTUF-MRTA)。该模型对机器人时间效用函数进行了定义与构建并对其可解性作了理论分析,给出了最佳任务分配方案存在唯一性定理并对其加以证明。相关实例验证了该模型的有效性。该模型的提出为本文后续研究提供了坚实的理论基础。(3)基于遗传算法的多机器人任务分配针对任务分配这一NP难解问题,在给出相对于任务的机器人时间效用值矩阵的基础上,提出一种基于遗传算法的多机器人任务分配方法(GA-MRTA)。RoboCup救援仿真任务分配实验结果表明：基于该方法的问题求解和空间寻优,可实现机器人到任务的最佳映射,使系统获得较满意的任务分配效果。(4)基于改进粒子群优化算法的多机器人任务分配针对遗传算法收敛速度慢、全局寻优能力不强等不足,进一步提出一种基于改进粒子群优化算法的多机器人任务分配方法(MPSO-MRTA)。RoboCup 2D足球机器人任务分配仿真结果表明：基于该方法的问题求解不仅能实现机器人到任务的最佳映射,而且具有算法收敛率高、收敛速度快、全局寻优能力强等优点。(5)基于多目标优化的多机器人任务分配时耗和能耗通常是多机器人系统中评价任务完成效果的重要指标,在综合考虑这两项指标的基础上,首次提出基于多目标(时间效用、能量效用)优化的多机器人任务分配方法(MOO-MRTA)。该方法给出了机器人能量效用函数的定义与构建,建立了基于多目标的任务分配模型并讨论了模型求解等问题。RoboCup救援仿真实验表明：该方法计算时间较小,能快速寻到Pareto最优任务分配方案集并使救援队伍取得理想的比赛成绩。论文最后作了总结,阐述了本课题研究的创新点及主要研究成果,并指明了有待进一步研究的问题。