随着世界各国对海洋的越发重视,近年来对海洋相关研究与应用的规模不断增加,海洋中的水下信息成为各类研究、应用的基础,因此如何获取水下信息是各类应用的关键问题。由于水下特殊环境的限制,无线电信号衰减严重,传统的无线传感网络技术无法直接应用于水下,而基于水声监测网络进行海洋信息获取的方法成为了良好的选择。本文在传统水声监测网络的基础上,考虑通过部署水下自主机器人(Autonomous Underwater Vehicle,AUV)获取传感器收集的信息,代替原网关节点的作用,从而降低了系统组网的复杂度,提高了系统的可靠性和鲁棒性。因此如何在水下复杂严苛的环境下实现高效AUV的任务分配,通过水声监测网络获取海洋信息,是本文研究的主要问题。首先,介绍了本文考虑的水声监测网络模型,并对海洋环境中的信道噪声特性等系统相关影响因素进行分析。同时介绍了传统的序贯决策模型及无休止臂(Restless bandit problem,RBP)模型的相关参数、结构等,并讨论了该模型的求解问题。其次,介绍了基于RBP模型对本文AUV任务分配系统的模型构建。针对水下通信信道质量时变性高、影响大的特性,考虑将信道质量状态的动态变化建模为RBP模型的系统进程,并将其与传感器节点的系统模型融合,得到一个综合的AUV任务分配系统模型,在此模型中可以同时考虑传感器节点状态变化、信道质量状态变化的影响。针对所建立的RBP模型的求解问题,本文提出了适应本系统的Whittle索引值参数法,用于求解AUV分配策略。最后,针对水下存在的多干扰因素导致AUV任务分配系统不精确的问题,在RBP模型中引入了不确定性参数,从而将AUV任务分配系统构建为鲁棒RBP系统模型,求取AUV的鲁棒分配策略。通过分别为传感器节点状态、信道质量状态设定不确定性参数,并基于此不确定性参数设置惩罚值,将可以求出相应的鲁棒RBP模型。在基于矩形不确定性特性对鲁棒RBP模型进行确定后,可以对其进行求解,从而得出相应的AUV分配的鲁棒策略。通过该方法进行求解提高了系统模型的精确性,提高了AUV分配策略的效率。