多机器人系统具有结构灵活、适应性强的特点，在航天、国防、工业、服务业等许多领域都有广泛的应用前景，合理地设计多机器人群体的协作机制并使用算法对系统进行优化是发挥其优势的关键。为此，本文围绕多机器人协作领域待解决的三大问题：围捕问题，觅食问题，多目标观测问题，通过改进的PSO模型构建优化的多机器人群组协作行为，对系统性能和协作效率进行优化。本文在阐述PSO基本原理的基础上，分别引入邻域模型，聚类方法和自适应速度因子等对PSO优化器进行改造，用以解决不同的协作问题。设计了PSO的邻域模型构建多机器人围捕中环形缩放式搜索策略，分析了PSO邻域模型对围捕行为的影响。以觅食问题为背景，实现了PSO的全局侦察和局部探索相结合的搜索模式及面向任务的分工模型，分析了前期使用PSO搜索对多机器人协作搬运和整个觅食过程性能的影响。引入了聚类方法实现多目标的分组，用以构建PSO动态自适应算法解决多机器人多目标观测问题，并与传统的CMOMMT和A-CMOMMT方法进行比较分析，很好地解决了局部最优问题。仿真实验表明，通过PSO构建优化的群组协作行为对系统进行优化，可以极大地提高多机器人的协作效率和系统性能。