随着中国制造2025和工业4.0的到来,机器人在智能工厂、智能生产以及智能物流等领域发展潜力巨大。由于人工智能、运筹优化、计算机、控制理论以及通信等关键技术的迅猛发展,多机器人系统受到了广泛的关注,成为国内外相关领域研究热点。相比单个机器人,多机器人系统具备功能分布化、易于扩展、容错性强等特性,对于处理复杂、繁琐的任务具备较大的优势。然而,多机器人系统也面临着诸多难题与挑战,任务规划就是其中的一个难点问题,其对多机器人之间的协作起着至关重要的作用。本文将多机器人系统的任务规划分成任务分配与路径规划两部分,并从多机器人系统、任务分配以及路径规划三个方面论述了发展历史及研究现状。(1)针对考虑执行时序的多机器人任务分配问题,采用改进蚁群优化算法进行求解。将求解问题看作多旅行商问题模型,首先采用蚁群优化算法优化出解空间,然后引入遗传算法中的变异算子对每个机器人执行的任务顺序进行局部优化,最后引入模拟退火算法中Metropolis准则跳出局部最优。(2)为解决多机器人协同编队任务分配问题,提出双层规划模型。即根据现有机器人编队协作模式,建立机器人编队上层规划模型,采用改进离散粒子群优化算法进行求解,得到执行每个任务的机器人编号及最优队形;根据已有的编队队形库,建立编队中机器人站位下层规划模型,采用遗传算法进行求解,得到机器人在队形中的位置。(3)针对多机器人路径规划以及路径重规划问题,考虑环境障碍与机器人避碰避障等约束条件,以路径长度和路径光滑程度为性能指标,采用改进的快速搜索随机树算法,为每个机器人从起点到目标点规划出一条安全的优化路径。在此基础上,通过仿真对上述算法分别进行了分析验证,研究表明,所设计算法可以有效解决多机器人任务规划中的问题。