随着机器人技术不断的发展与提高,机器人被广泛的应用到各个领域中,同时对机器人能力的要求也越来越高。在矿区开采场景中面对庞大而复杂的任务时,单个移动机器人难以满足任务要求,而多移动机器人系统拥有更完善的多机协作控制能力,可以采用协调联合的方法完成更复杂的多任务,从而大大提高效率。但在多任务多要求的复杂场景中,为多移动机器人找到合适的任务分配策略,以及为移动机器人寻找到一条安全且最优的路径,是多移动机器人协同任务规划的研究重点内容。本文将多移动机器人协同任务规划问题分为路径规划和任务分配两部分,对其展开了深入研究,具体内容如下:（1）针对移动机器人在障碍物环境下的路径规划问题,深入分析了传统A*算法路径规划时面临路径搜索时间长与不平滑的问题,为了解决该问题,提出一种改进搜索邻域和启发函数的A*算法。首先改进了传统算法的邻域搜索方式,通过混合使用4邻域和8邻域搜索算法,建立切换机制,改善邻域搜索范围;再对启发式函数引入权重,优化估价函数。然后,对规划后的路径采用3次均匀B样条曲线进行平滑处理,获取得到一条平滑的路径,使移动机器人可以平滑的移动到目标点。最后,通过仿真验证了该算法路径规划的有效性。为进一步探究改进A*算法在物理参数约束下的有效性。首先建立两轮差速移动机器人的运动学方程,并基于ROS机器人仿真平台构建三维可视化URDF模型。联合Rviz与Gazebo平台在搭建的仿真地图中进行路径规划实验。实验结果表明所提的改进A*算法在物理约束条件下依然有效。（2）遗传算法在求解多移动机器人任务分配问题时,存在易陷入局部最优、编码过于复杂以及搜索缓慢等不足,针对算法存在的问题,提出一种基于任务集有序规划的多移动机器人任务分配算法。改进遗传算法通过使用圆环形编码方式,启发式交叉算子操作,建立并行结构,提高了求解效率。根据任务分配数学模型和路径代价信息,利用改进的遗传算法对任务有序分配,得出最优任务集。随后通过改进的A*算法获得执行任务子集的最优路径,最终使得多移动机器人系统完成所有任务的代价最小。通过仿真验证,该算法有效的解决了多移动机器人任务分配问题。