多机器人系统中,任务规划对改善移动机器人的导航性能,减少机器人在移动过程中出现的不确定性有着至关重要的作用。在诸如星球探测,智能交通,电子装配等应用领域,机器人是一种高度受限的资源,其导航性能直接影响各应用系统的效率。蚁群算法是依据蚂蚁群在搜索食物源的过程中所体现出来的寻优能力而提出来的一种新型的启发式、分布式协作寻优仿生算法。其特点是算法结构简单,具有较强的鲁棒性和发现较好解的能力。蚁群算法已广泛应用于旅行商问题等领域。本论文针对多机器人任务规划问题,研究了同时防止早熟和提高算法收敛速度的若干算法,从理论或应用的角度分析了所述方法的有效性,主要创新包括：1.在混沌蚁群算法的基础上进行了改进,采用的改进策略有：回程优化策略、精英策略和去交叉策略。在改进的混沌蚁群算法的基础上,针对多机器人任务规划问题提出了正交混沌蚁群算法。该算法是基于传统的解决多旅行商问题的思路,采用集中分配,分布式规划方法,该算法分为两个步骤：正交聚类和混沌蚁群求解单机器人路径规划。该算法的特点在于正交聚类法的低时间复杂度。正交聚类法是解决任务分配问题的一种有效方法,它利用正交表进行分配,对任务分配方案作最优设计。正交聚类法和混沌技术的引入,经过较少的迭代次数就可以找到较优解,对于求解中大规模任务规划问题是十分有利的。2.针对动态环境中单机器人路径规划目标任务点可能动态添加或删除的特点,利用弹性网络的动态适应性提出了弹性适应混沌蚁群算法。针对动态多机器人任务规划问题的目标点的动态性和部分机器人也可能会出现故障的特点,结合正交混沌蚁群算法,提出了基于多机器人任务规划的弹性适应混沌蚁群算法,在一定的假设下,通过实验证明了该算法的有效性。