多机器人任务分配问题MRTA(Multi-Robot Task Allocation)是多机器人系统研究的一个基础问题,体现了系统高层组织形式与运行机制,是多机器人系统实现目标的基础。随着系统中机器人数目和任务难度的增加,任务分配问题就显得越来越重要。群体智能方法具有鲁棒性高、可扩展性好等特点,而且群体中个体通过隐式通信合作,因此特别适合于大规模分布式多机器人系统。其中的典型代表是蚁群算法,但目前蚁群算法只用于求解松散型任务(单个机器人可独立完成的任务)分配问题。本文针对蚁群算法在应用中的这一局限提出了逆转分配思想,即让蚂蚁代表任务,为每个任务选择任务的承担者,从而使蚁群算法能求解大规模机器人松散耦合型的任务分配问题。本文的算法采用层次结构,高层用蚁群算法实现任务分配的寻优;底层分别采用蚁群、粒子群蚁群和量子蚁群实现机器人联盟的形成,从而求解紧耦合型任务。在提出算法的基础上,用Java语言在TeamBots仿真平台上对所有算法进行了实现,设计了LMRTA_ACO系统,该系统可以求解松散耦合型任务分配问题。仿真结果证明该系统达到了理论预期的效果,基本蚁群算法得到的分配解最差;粒子群蚁群算法得到的分配解最好,但是运算时间最长;量子蚁群算法得到的分配解稍次于粒子群蚁群算法,然而分配时间比另外两种算法减少了一半。因此,在大规模的多机器人任务分配中,量子蚁群算法具有更强的适用性。