随着国家工业化和智能化的发展,无人车、无人机等智能机器人凭借着高性能、高灵活性、高精度、在危险区域执行任务不造成人员伤亡等特点,被广泛应用于各种抢险救灾现场、侦查打击等现场、以及日常的危险监视领域。其中,自主决策、协同任务分配技术作为机器人系统中至关重要的部分,吸引着众多学者展开大量的研究。灾后工作中最主要的任务是搜索任务与救援任务,二者的执行需要不同的资源类型,一般由不同的团队各自完成,而救援任务的分配与执行依赖于搜索任务对其的发现。首先,搜救工作的最终目标为提升救援效率,对两种任务的分配进行整体统筹优化是提升救援效率的关键,需要对二者根据统一的目标建模,并设计可以对整体统筹优化的任务分配模式;其次,真实环境的任务分配问题往往需要对多个优化目标进行优化,需要考虑如何高效的求解多目标优化问题;再次,灾后搜索与救援普遍在通信不稳定以及动态的环境下进行,其任务具有动态性和不确定性的特点,因此提高机器人系统的自主决策能力、适应环境变化的能力尤为重要。本文考虑以多机器人协同执行灾后的搜索与救援任务为背景,围绕其中涉及的任务分配问题的数学建模、体系结构构建和算法设计开展研究,主要研究内容如下:1)研究多机器人搜索与救援的任务模式。建立了多机器人搜索和救援任务分配的组合优化数学模型,设计了多机器人协同搜索与救援的任务分配模式,并建立了多机器人协同搜索与救援任务分配的分布式体系结构。针对现有的对搜索与救援场景下的多机器人任务分配的研究大多数仅单独考虑搜索任务分配或救援任务分配的问题,基于搜救行动的统一目标,对救援任务分配及搜索任务分配问题进行分析与建模。根据所做的分析与建模,设计了一种多机器人协同搜索与救援的任务分配模式,联合采用集中式的多机器人搜索任务分配方法、分布式的在线搜索任务分配方法与分布式的在线救援任务分配方法,进行搜索与救援的任务分配。最后,根据该任务分配模式建立了多机器人协同搜索与救援任务分配的分布式体系结构。2)研究集中式的多机器人搜索任务分配问题,提出了一种新算法:基于双目标多蚁群优化的文化基因算法。针对现有的对集中式的多机器人任务分配的研究大部分只对单目标(机器人行驶总距离或任务完成时间等)进行优化,以及现有的多目标优化方法计算复杂求解效率低的问题,所提出的算法对多蚁群优化算法进行了简化,降低了其计算复杂度;集成序列变邻域下降过程对多蚁群优化得到的最优解进行局部搜索,提高了算法的求解质量;设计了一种新颖的限制邻域的局部优化方法,提高了局部搜索的计算效率。仿真实验结果表明:所提出的算法与其它求解集中式的机器人搜索任务分配问题的算法相比,对双目标的优化提升了约20%,相比其他多目标优化方法的运算时间减少了约60%。3)研究动态环境下分布式的多机器人在线搜索任务分配问题,提出了一种新策略:基于动态图划分的贝叶斯学习策略。针对传统的为多机器人搜索路线规划的算法中容易陷入局部最优、难以适应动态环境下机器人状态变化、通信环境不稳定等问题,设计了一种新颖的分布式的动态图划分方法,利用图划分约束机器人的决策范围,克服了在线算法全局优化能力低、对通信环境稳定性要求高的问题;利用基于奖励的学习方法动态调整图划分,克服了传统基于图划分的方法无法适应动态环境变化的能力;利用改进的贝叶斯模型根据当前系统状态优化机器人的具体搜索路线,提高了算法的持续优化能力。仿真实验结果表明:所提出的能够在动态环境中为机器人规划稳定、高效的搜索路线,使机器人计算搜索路线的收敛速度相比其它在线算法提升约30%,在不同通信丢包率下机器人之间的冲突相比其它算法显著降低,获得的搜索路线质量相比其它算法显著提升。4)研究动态环境下分布式的多机器人救援任务分配问题,提出了一种新方法:基于集群优先的机器人动态分组的任务分配的方法。针对现有的分布式任务分配方法易于陷入局部最优,难以快速响应任务信息、机器人状态、通信网络状态等动态变化,从而无法及时获得高质量的解的问题,对当前常用于求解分布式任务分配问题的基于共识的拍卖算法进行改进。对算法的任务选择阶段进行改进,设计了一个集群优先策略,将任务对应机器人划分任务集群,区分不同机器人的对任务选择的优先级,通过减少机器人之间的选择冲突,提高了算法的收敛效率。基于该策略,设计了一个基于概率选择的任务选择方法,克服了该类算法容易陷入局部最优的问题。对共识阶段进行改进,设计了一种机器人动态分组的方法,解决了当前算法难以快速响应任务动态变化和无法避免在通信不稳定时在机器人之间产生任务冲突的问题。仿真实验结果表明:所提出的改进方法求解有截止时间的任务分配问题,相比原算法提升了约50%的收敛速度,及约20%的任务分配数量,并可以满足在机器人损毁、新增、新任务频繁新增等动态环境变化的情况对算法快速适应动态环境的能力的要求。5)基于所设计的多机器人协同搜索与救援的任务分配模式,及分布式体系结构,搭建了基于无人机的多机器人搜索与救援任务分配应用原型系统。在真实环境中对本文研究的多机器人协同搜索与救援任务分配模式及任务分配算法进行了实际的测试,实验结果验证了系统设计的可行性与正确性,表明本文研究满足实际搜救现场非确定性、动态环境的任务需求,具有一定应用价值。