多机器人系统不但可以代替人类完成许多单调繁杂的工作,还可以帮助人们执行很多危险困难的任务。对多机器人系统的研究,不但可以有效的降低人类的劳动强度,提高工作效率,还可以在一定程度上减少人类执行某些任务的危险性,保证人类的安全。作为多机器人系统的一个重要研究方向,多机器人追逃问题一直是研究团队协作问题的重要手段。通过对多机器人追逃问题的研究,可以模拟许多实际问题的团队协作情况,得到有效的任务策略,提高任务的执行效率。同时,随着人类对于机器人智能需求的不断提高,更具有“人情味”的情感机器人逐渐进入了人们的视野。人类已经不仅仅满足于机器人能够取代人们执行某些任务,解放人类的双手,还要求机器人在执行任务的过程中能够表现的更加和谐,更加智能。因此,本文在多机器人追逃问题的基础上,研究情感机器人的任务分配问题以及协作追捕算法,使得团队的协作协调策略能够更加的符合当今的社会需求,同时提高系统效能。本文的主要内容包括以下几个方面：(1)在多机器人追逃问题的基础上,研究具有情感的机器人的追捕联盟生成算法。首先,本文为追捕机器人构建情感模型,采用基本情绪法来表示情感,隐马尔科夫模型(Hidden Markov Models, HMM)来模拟情感状态的转移过程；然后,根据追捕机器人的情感状态确定其协作意愿,判断机器人是否有意向参加追捕,避免具有消极情感的追捕机器人参与到追捕任务,给追捕团队造成负面影响；接着,在PSO算法的基础上,通过引入子群规模来防止早熟问题,进而生成追捕联盟,使得系统能在较短的时间内,获得最大的追捕收益；最终,引入动态重分配机制,进一步提高追捕效率。(2)通过对传统人工势场法的改进,研究情感机器人的协作追捕算法。首先,引入预先埋伏的思想,采用“活跃区域-追捕范围”的方法来确定追捕者各自的追捕目标点,使得整个追捕者联盟从真正意义上形成一个团队,去埋伏追捕逃跑者；接着,通过对斥力系统的优化改进,避免了追捕者联盟在执行任务期间可能发生的碰撞问题,使得追捕者们能够更加和谐的完成追捕任务,提高系统效率；最终,在外力机制的作用下,有效地解决了系统可能陷入的局部极小值困境,提高了系统的任务完成率。