多机器人任务分配问题普遍存在于仓储物流,无人机协同作战,灾难救援等多个领域,旨在多机器人多任务环境中,按照一定的评价标准,寻找一个或若干个满足评价指标最优的任务分配序列。本文考虑灾后救援多机器人任务分配问题,基于粒子群优化方法,提出合理有效的任务分配策略,以期在有限的时间内完成尽可能多被困人员的救援。主要包括如下3个内容:(1)针对静态单类型任务分配问题,建立数学模型并提出一种基于粒子群优化方法的分组式任务分配方法。为了减少分配算法的计算复杂度,同时提高分配方案的合理性,本文着眼于问题特性,提出以下策略:首先,根据任务的位置信息和时间约束,设计合理的任务分组方法;其次,设计基于聚类的粒子群初始解生成方法,并给出惯性权重参数ω的自适应调节策略。实验结果证明,该方法能够有效减少分配过程的计算复杂度,并提高任务分配求解方法的性能。(2)针对多约束多类型任务分配问题,建立数学模型并提出基于粒子群优化方法的匹配度任务分配方法。随着救援范围的扩大和任务复杂度的增加,需要考虑任务类型的多样性以及机器人的资源负载和电量约束,内容(1)的方法对此场景不再适用。为了进一步提升算法性能,首先,以最小任务失败量和最小救援时间为目标建立单目标多约束数学模型。其次,基于上述约束建立机器人与任务之间的匹配度矩阵,用以描述任务分配给机器人的适合程度。然后,采用匹配度对粒子的解码方法和更新公式进行改进,以规避约束导致的不可行解,提升算法的搜索效率。实验验证了所提方法能够有效解决多个约束并能提高任务分配的效率。(3)针对动态多类型任务分配问题,建立数学模型并提出基于粒子群优化方法的局部任务分配方法。灾后救援环境复杂且二次灾难频发,救援机器人的故障率增加,从而导致救援过程中任务数量和机器人数量发生动态变化,内容(1)和(2)的方法对此场景不再适合。基于此,本文提出一种局部任务插入方法,及时响应救援环境中的动态变化。首先,分析多种动态因素,并相应地对任务分配方案进行调整。其次,确定参与局部任务分配的任务和机器人,基于粒子群优化方法,将新增任务按照一定的策略插入到已有任务分配方案中。然后,建立新任务与机器人的匹配度,设计基于匹配度的粒子解码方法,以加大粒子在较优区域搜索的概率。实验结果证明,所提方法能够有效解决该类动态任务分配问题。该论文有图26幅,表16个,参考文献90篇。