群机器人系统是由数量众多,功能和结构相对简单的自主移动机器人所组成的系统,可通过有限的感知和交互,协作完成单个机器人所不能胜任的任务,具有鲁棒性、灵活性和规模可伸缩等特点。其协调控制策略受启发于生物群体的自组织行为,具有规则简单,分散控制,适应复杂环境等优点。本文围绕区域覆盖问题,受启发于黄蜂群响应阈值模型,进行群机器人控制策略及仿真研究。所进行的工作和取得的研究成果如下：(1)在综述机器人区域覆盖的研究现状的基础上,形式化描述了区域覆盖问题。建立固定响应阈值模型与区域覆盖问题之间的映射关系,提出了基于固定响应阈值模型的黄蜂群区域覆盖算法。通过将环境建模为无障碍的封闭栅格环境,机器人根据单元格的刺激量使用响应函数决定移动方向。在自由环境下的仿真实验,表明了该法的可行性。(2)对黄蜂群区域覆盖算法进行微观和宏观的数学分析,从而更有效地指导参数的选择。采用概率平均方法分析黄蜂群区域覆盖算法的覆盖率和重复覆盖次数。通过考察响应阈值、刺激量、刺激量修改参数等参数对覆盖性能的影响,结果表明,机器人群体的平均移动概率理论分析可在一定条件下适用。为该算法的研究和应用提供可靠的数学基础。(3)采用离散随机过程的分析方法对基于响应阈值模型的区域覆盖算法的覆盖性能进行分析和计算。结果表明该分析方法在一定条件下,不仅灵活而且有效。这种离散随机过程方法的优点是可以分析各参数的作用以及指导各参数的选取。(4)提出障碍环境下的基于固定响应阈值模型的黄蜂群区域覆盖移动策略,具体说明了机器人的建模,移动决策和避障等。在仿真实验中设置不同形状的障碍,分析和验证黄蜂群区域覆盖算法在障碍环境下的覆盖效率。说明在不同的障碍环境下算法参数对覆盖性能的影响。仿真实验的结果表明该移动策略的有效性。(5)在分析固定响应阈值模型的区域覆盖算法所存在的不足的基础上,提出改进的黄蜂群区域覆盖算法。改进的黄蜂群区域覆盖算法受启发于自强化模型,机器人在覆盖过程中根据外界信息和自身状态自主调节响应阈值,从而更灵活地响应外界任务,提高算法的性能,仿真结果表明,该方法可有效提高覆盖性能。(6)针对群机器人多目标搜索的任务分配问题,提出基于黄蜂群响应阈值模型的任务分配策略。群机器人的多目标搜索问题可分解为全局搜索和局部搜索,以及机器人的目标选取问题。针对目标选取问题,将机器人的状态分为漫游、搜索、等待、决策等状态,源于黄蜂群劳动分工的启发,提出基于黄蜂群的响应阈值模型的任务分配策略,用于目标选取。在仿真实验中,在局部搜索阶段采用扩展微粒群算法,在全局搜索阶段采用随机搜索,结合基于响应阈值的任务分配策略,实现了群机器人的多目标搜索,仿真结果表明了所提出的的任务分配方法能够有效地适用于群机器人多目标搜索。