随着人工智能技术及其应用的飞速发展,面向复杂任务的多机器人协作和联盟对抗机制作为基础理论越发显得重要。人与机器人之间的交互,以及机器人与机器人之间的通讯是机器人研究领域中的一个重要分支。机器人系统内部,或者不同机器人系统之间的各个异构机器人必须通过通信,实现知识与信息共享,才能进行交互和协商,进而分工合作解决复杂问题。多机器人系统的知识共享是协作完成任务的基础,也是多抗博弈的信息基础。针对上述问题,本文的主要工作与贡献如下:1、提出一套基于社会选择的本体合并理论。1)本文定义了一组本体聚集规则,包括多数决定规则、联盟聚合规则和距离规则;然后,面向本体的概念及关系等要素,提出一个基于余弦相似度的分布式本体聚集算法,并证明了该算法同时满足万有域、匿名性、独立性和单调性公理的充要条件;2)以社会选择为理论基础,综合考虑源本体的可信度和一致赞同属性,设计了包含本体分类器和本体聚集器的本体合并规则。2、面向复杂任务,本文设计了一种多机器人系统动态任务分配算法。在共融环境下,首先完成系统环境、任务、拍卖市场的形式化表示,便于自动处理;进而引入了“损害速率”和任务完成度,作为任务分配的标准,增强了现实场景下的可操作性;最终实现了静态任务的分配算法,通过案例及实验表明所提方法的正确性和有效性。3、在复杂任务联盟的基础上,研究了对抗情形下多机器人博弈模型。首先定义了一种形式化博弈说明语言,进而分别给出了对抗博弈策略的表示和自动推理方法;最后设计了一种基于Double Oracle的算法对Stackelberg安全博弈进行求解。综上所述,本文针对多机器人系统的协作对抗问题,分别从知识共享与互操作、负责任务的动态分配和多机器人对抗博弈等三个角度,设计并给出了形式化模型;通过案例或实验表明本文所提算法及机制的有效性。