多智能体系统是近年来分布式人工智能领域的一个重要研究方向。本文以对机器人救援仿真系统(RoboCupRescue Simulation System, RCRSS)的研究作为基础,针对动态复杂的救援环境,研究了多智能体在动态环境下的路径规划、同构多智能体的任务分配、异构多智能体的任务协作等关键问题。主要研究内容如下：机器人救援仿真系统(RoboCupRescue Simulation System, RCRSS)是一个典型的异构多智能体系统,也是一个实时的分布式仿真系统,它为多智能体系统、异构智能体、机器人救援的技术和相关理论研究提供试验平台。为了更好的应用机器人救援仿真系统这个平台,论文首先系统的总结了机器人救援仿真系统中的基本要素、仿真过程以及多智能体的控制方法,为平台的应用打下坚实的基础。为了解决救援智能体在路况动态变化的震后城市中快速的找到救援目标的问题,论文提出了一种基于改进蚁群算法的动态路径搜索算法。该算法通过引入基于改进启发函数的状态转移规则对蚁群的搜索过程进行引导,加大搜索范围,避免陷入局部最优。通过引入基于调节信息素挥发度的自适应蚁群算法来加快蚁群的收敛速度,提高搜索质量。针对同构多智能体间的任务分配问题,采用了一种基于拍卖的任务分配算法,此算法主要包括了基于拍卖方式的任务分配方案和基于贪心策略的动态调整两个过程,采用基于拍卖方式的任务分配方案综合考虑拍卖信息的效益、花费比,选取接近最优的分配方案；在分配方案确定后,利用贪心策略对智能体的任务情况进行实时动态调整,达到当前最优状态。针对智能体间任务协作的问题,引入了Q学习算法的思想,强化多智能体救援过程产生积极效果的动作,以此来解决多智能体之间任务相互依赖,相互约束的关系。论文提出的算法已经应用到哈尔滨工程大学机器人救援仿真队伍中,并在2010年中国机器人公开赛中获得第三名,验证了算法的有效性。