机器人对于人类生活和工作的革新有很大帮助,多机器人系统更是未来机器人的发展方向,对于制造业、加工业、危险环境和未知环境等都有很重要的意义。多机器人系统任务分配即为机器人和任务间寻求一种良好的对应关系,对于多机器人系统的执行效率至关重要,决定着多机器人系统完成任务的时间和资源消耗等多种因素。通常多机器人系统具有并行、冲突、可选方案多等特点,因此如何合理地分配系统内机器人在何时使用何种资源执行何种任务、以及哪些机器人共同协作执行某个任务来达到整个多机器人系统的效率最大化就是一个NP-hard问题。针对此问题,本文分别根据多机器人系统任务分配问题的特点,采用E-cargo模型和时间Petri网对多机器人系统进行建模,在建模的基础上,分别实现了匈牙利算法和启发式A*搜索算法对系统任务的调度与分配,并针对两种算法在大规模系统中无法求解的问题进行改进,主要工作如下:（1）针对多个机器人系统,本文提出了一种基于E-cargo模型的预分配结合匈牙利算法进行任务分配的方法。首先引入E-cargo模型对多机器人系统任务分配问题建模;然后采用效益值矩阵变形方法解决了匈牙利算法只能应用于任务数量和机器人数量一一对应的特殊情况的局限性;最后引入基于贪心算法的预分配方法,通过预分配完成系统内部分任务的分配、降低进入匈牙利算法的效益值矩阵维度,避免了匈牙利算法在效益值矩阵过于庞大以及矩阵内数值重复度比较高时无法求解的情况,另外在状态发生动态变化时进行重分配,实现了匈牙利算法对于状态动态变化的大型多机器人系统的任务分配问题求解。（2）启发式A*算法是一种基于人工智能的启发式智能搜索算法,具有无需扩展系统的所有状态节点获得系统可执行路径的优点,并且如果所用启发函数具有可采纳性,则可保证所获调度路径是最优的。本文将多机器人任务分配问题转变为Petri网可达图中的路径搜索问题。采用时间Petri网对多机器人系统任务分配问题进行建模,实现对多机器人系统执行某个任务的时间、调用其他机器人提供的服务和多个机器人的任务顺序执行、并发、同步、异步、冲突等特性进行有效描述。然后在时间Petri网模型的可达图上,引入启发式A*搜索算法进行系统可执行路径的搜索,并使用二元决策图BDD对系统状态集合进行高效压缩表示与操作,从而提高A*搜索算法速度,更快地获得系统的最优任务执行序列。