多智能体系统已经广泛应用于国防工业与生产生活等各个领域,复杂的应用场景对多智能体系统协同任务的能力提出了越来越高的要求。尤其在任务环境不确定、决策信息不完全以及通信交互受限等情况下,多智能体的协同决策与规划正面临越来越多的挑战。与此同时,将角色的概念引入多智能体系统,利用角色定义多智能体团队模型,设计协同规划的框架,克服复杂条件对多智能体协同任务的影响,成为多智能体研究领域的热点之一。因此研究基于角色的多智能体协同决策与规划,具有十分重要的研究价值。本研究针对多智能体在环境不确定、通信受限条件下的协同决策问题,设计基于角色的多智能体协同框架,研究基于角色的多智能体协同决策与规划方法,具体研究内容包括:(1)作为基于角色的协同决策与规划的基础,针对动态变化的环境态势,研究多智能体的角色分配问题。通过层次分析得出智能体与角色匹配的特征向量,量化智能体与角色的匹配度,将分配问题转化为整数指派问题,利用匈牙利算法求解得到分配结果。仿真结果显示角色动态分配优化算法可根据环境态势变化和平台性能差别,得到不同角色分配结果,从而形成角色动态调节的能力。(2)针对多智能体在不确定环境、无通信条件下的协同决策问题,在部分可观的马尔科夫决策过程模型的基础上,提出基于角色的多智能体隐式协同框架。为了克服无通信情况下无法获得队友智能体的状态信息的问题,引入队友状态估计,根据观察得到的队友动作信息,基于角色模型更新队友当前状态估计,实现隐式协同决策。在框架基础上,提出基于角色的队友状态估计算法,并从理论上证明该估计算法的有效性和准确性,通过设计仿真实验验证框架和算法相比于传统决策方法的优势。(3)针对带有时序逻辑约束的复杂任务,在有限状态转移模型以及线性时序逻辑规划方法的基础上,提出了基于角色的线性时序逻辑规划方法。按照不同角色的任务要求将原命题空间分成若干个子空间,各个角色在其子空间内进行规划。针对不完全的任务空间信息,设计基于角色的知识共享通信协议,使得多智能体之间可以基于角色共享工作空间信息,实现智能体灵活适应时变任务的能力。通过上述研究,本文为基于角色的多智能体系统协同决策与规划提供了可行的解决方法。