多智能体系统以其独有的模块性、可维护性、可扩展性、容错性和鲁棒性为用传统方法难以求解的复杂问题提供了很好的求解方案,首先系统的主机将一个复杂的问题分解为几个易解的子问题,并将这些子问题分配给系统中的各单智能体,然后各单智能体再分别针对各自需解决的子问题进行局部求解,并通过各单智能体之间以及单智能体与主机之间的交互为整个问题提供一个全局解。在多智能体系统中,尽管各单智能体的能力是有限的,但通过相互间合作与协调,能改善各个体的基本能力,提高整个系统的性能,因而多智能体系统较单智能体系统具有更优的性能,完成任务所需时间更短,且系统总的能耗更小。由于建模的不精确或者受系统本身所具有的内部摄动及环境对系统干扰的影响,多智能体系统中不可避免地含有不确定性,使得多智能体系统鲁棒性的研究成为该领域内研究的必然趋势。本博士学位论文将以进化计算为代表的智能控制方法与现代鲁棒控制方法相结合,提出与实现了多智能体系统的鲁棒算法,建立了理论框架。并以多智能体系统的典型系统——合作式多移动机器人系统为研究对象,研究该系统的路径规划,以及为实现规划所进行的单移动机器人系统的鲁棒辨识和鲁棒控制。全文共分五章,主要内容如下:首先介绍了多智能体系统的定义、多智能体系统鲁棒性研究的提出,以及移动机器人系统的路径规划、非线性系统辨识和非线性系统鲁棒控制的研究现状及存在的问题;然后针对合作式多移动机器人系统的路径规划,创造性地提出了合作式共同进化自适应遗传算法,以及移动机器人路径的定长十进制编码机制。主要创新点表现在首先将移动机器人所处环境中的障碍物表示成多边形的形式,并对各障碍物顶点用十进制编号,然后把移动机器人的路径编码成定长为所有顶点个数之和的十进制染色体串,串中非零位上十进制值表示路径经过了相应编号的顶点,各顶点在串中的顺序即它们在路径中的顺序。此编码方式不需特殊的遗传操作算子,并且个体就是路径的直接表示,因此也不需特别的解码机制,克服了变长编码及其它定长编码需特殊解码和特殊遗传操作算子的缺陷。继而针对合作式多移动机器人系统的路径规划,提出了将各移动机器人的路径分别编码后组成各自的进化群体,进行单独进化,而整个路径规划的总体协调则通过各群体中个体适应度函数的定义来实现。合作式共同进化自适应遗传算法体现了多智能体系统最大的优势——适合于并行计算,从而对求解复杂问题特别适用;同时,算法还具有鲁棒收敛性。