随着5G和物联网技术的快速发展,具有环境感知能力的智能体设备逐渐发挥出不可取代的作用。在各种生产和生活场景中,借助这一类设备的联网交互和自身决策能力,我们可以在众多之前无法应对的复杂约束场景下获得更高的生产效率,极大的降低了生产和生活成本,具有极高的研究价值。本文考虑具有复杂约束条件的应用场景,对两种不同的智能调度问题进行了研究首先,本文考虑了复杂路网下的智能公交调度问题。在现代城市中,城市地铁客运量常常会超过预警阈值,乘客满意度呈下降趋势。如何提高公交车的准点率,从而使更多的乘客使用公交车而不是私家车是一个有趣而重要的研究。随着联网自动车辆（CAVs）和车辆到基础设施（V2I）在智能交通系统中不断出现,提高公交准点率成为现代公交系统可实现的目标。本文结合城市公交专用道发展情况和信号灯相关规范,考虑时变客流量和道路实时拥堵状况,通过协同优化多条公交路线下的信号灯配时方案和道路上公交车的配速方案,最小化公交系统中乘客的总体等待时间。为了解决这一问题,我们提出了一种将可转换的樽海鞘群算法TSSA与实时调度框架相结合的新方案。TSSA有以下特点:i)随着生成量的增加,通过分组活动产生了链鞘、线状鞘、簇状鞘和螺旋状鞘的多种组合。这是提高搜索性能的基石。ii)采用圆和螺旋曲线方程强化搜索。集群樽海鞘和螺旋樽海鞘模式使用这些方程进行多样化搜索,以防止过早的收敛。基于一组复杂公交网络数据,构建了 20个测试问题（如6条公交线路、115个路口、321个站点、197条道路的测试问题）。通过与四种对比算法的仿真实验,验证了 TSSA在提高公交车准时率问题上的有效性和鲁棒性。其次,本文考虑了有限通信下的分布式多机器人协同优化仿真。多机器人系统在未知环境中的觅食是近年来研究的一个挑战性问题,机器人团队必须依靠有效的协调策略来应对未知环境信息带来的不确定性和危险性,借助成员之间的通信可以有效减轻由于环境变化和单点故障引发的碰撞和任务丢失,但大量的信息交换也伴随着时间和能量开销的上升,从而降低了觅食效率。为了解决这一问题,本文研究了通信范围受限的多机器人系统在未知环境中的协同觅食问题,我们建立的数学模型基于格点网络和分布式控制架构,考虑了有限通信范围带来的通信拓扑结构变化,以及局部网络下的任务分配关系。为了降低信息共享受限带来的成本上升,本文设计了一种基于虚拟力和并行拍卖的分布式协同觅食算法VFAA。借助虚拟力这一概念引导机器人成员之间的移动,从而在有限步长内维持局部通信链路,减少信息的不确定性。并在局部子网络内对本地任务资源进行拍卖和重规划,以获得局部路径下的较优解,降低成员个体的局部行驶成本。为了验证本文提出算法的有效性,我们在不同规模的14个测试集中进行了仿真实验,结果表明,与其余四种典型的机器人觅食方法相比,提出算法在大多数测试集中都获得了更多的觅食量和更低的执行开销,展现出了良好的性能。