作为新兴人工智能技术,多智能体系统越来越受到人们的青睐。为了充分利用系统优势执行各种类型的任务,综合其特点改善关键技术是重中之重。为此,本文主要解决了任务分配,路径规划和编队控制三个关键问题。首先,针对多智能体系统任务分配具有时序的特点,本文建立了系统的任务分配模型,利用连续粒子离散化解决该优化问题。粒子位置分为两部分,整数部分代表需完成的具体任务,余数部分代表完成同种任务的优先级。实验证明该方法能够均衡智能体完成任务的数量,减少任务执行时间。其次,为了寻到最短路径,本文采用网格法建立环境模型,关于蚁群算法提出了非均匀信息素初始分布,增加了带方向选择策略,按照覆盖式规则完成信息素更新,分段化调节信息素蒸发系数。通过实验验证改进后算法能够更好地平衡收敛性和快速性,并且从理论上严格证明搜索到最优解的概率趋向于1。最后,采用跟随领航者法解决编队任务。针对多智能体离散时间模型,在原有控制器基础上引入相邻智能体实时的运动速度,能够完成任意队形编队。最后,根据劳斯判据确定参数取值范围。实验证明改进后的控制器能够更快地实现编队任务,并且噪声对其影响远小于对原来的控制器。