多机器人动态追捕系统的研究具有十分重要的意义。本文研究的追捕系统是在未知环境下一群自主型移动机器人通过相互协作去有效地捕捉另一群机器人。其实质是研究多个自主移动机器人(追捕者)在什么样的体系结构下,相互协调,组成最优团队,并采取高效的协作策略追捕多个移动目标(逃跑者)。免疫系统是一个具有分布性、自适应性、动态平衡性、快速性、鲁棒性的高度并行的分布式处理系统。这些特性正是多机器人追捕系统所需要具有的,鉴于此,本文基于Jerne免疫网络的工作机理和特性研究了多机器人动态追捕系统的算法,具体工作如下：(1)综述了多机器人系统和多机器人追捕问题的研究现状；介绍了多机器人动态追捕系统的主要内容包括系统的体系结构、系统的任务分配和追捕策略。(2)在研究了多机器人追捕系统的理论基础——人类免疫系统的概念、组成、结构、功能、特性和Jeme的独特型免疫网络学说；以及人工免疫系统的概念及其在机器人领域研究的内容与现状的基础上；提出了多机器人系统群体和个体体系结构；构建的群体分层式体系结构在面对动态目标时,机器人自主划分为不同的任务小组,降低了机器人间的协调难度,满足了系统运行的实时性、动态适应性以及鲁棒性。构建的个体慎思/反应混合式体系结构,突出了机器人的实时反应能力、行为自主决策能力以及合作能力。(3)基于上述体系结构,研究了机器人的行为决策模块,提出了基于Jerne免疫网络的多机器人协作探测算法。该算法在基于B细胞的免疫网络模型的基础上,引入了T细胞的作用,建立了基于B-T细胞免疫网络公式的探测算法,解决了基于B细胞免疫网络模型探测法中存在的随机选取部分探测点的问题,在实现遍历探测的同时,降低了重复探测率,提高了机器人的探测效率。(4)将追捕问题细分为多个层次来研究并提出各层次的算法。在这些算法的共同作用下,提高了追捕系统的快速性、灵活性、协作性和对动态环境的适应能力。各算法的功能如下：免疫焦虑算法,将焦虑的概念引入到机器人接受任务邀请的时机决策中,解决了基于合同网的任务分配算法中机器人在不适宜的时机被迫接受任务邀请的问题。免疫决策算法、免疫合同算法,利用Jerne免疫网络学说中抗原的作用和抗体间相互作用实现了多机器人的任务分配。免疫追捕算法加快了多追捕团队执行任务的速度。并且,在追捕系统设计中通过设定机器人的状态减少了通讯量,保证了多机器人追捕系统的快速反应能力。(5)在佐治亚和卡内基梅隆大学开发的TeamBots仿真平台基础上,结合自己的研究课题开发了实用功能较强的Java类,新开发的类遵从TeamBots的开发规则,与仿真平台无缝连接,扩展了仿真平台的功能,为深入研究多机器人追捕目标问题提供了一个标准的试验平台。仿真系统采用模块化设计,便于对新的算法进行仿真研究,并对本文所提的免疫追捕算法进行了验证。研究结果表明,基于Jerne免疫网络的多机器人动态追捕系统在执行未知环境探测任务时,解决了基于B细胞免疫网络公式探测算法的随机性,实现了遍历探测,降低了重复探测率,提高了机器人的探测效率。在执行追捕任务时,系统能够快速、高效地完成追捕任务；并且机器人间的通讯量和计算量较小,能够应用于数量庞大的多机器人系统,整个系统体现出较好的分布性、自适应性、动态平衡性、鲁棒性等特性。本文的研究成果为多机器人追捕系统的研究提供了新的思路,对借鉴Jerne免疫网络理论研究环境探测和未知环境下的追捕具有重要的理论和现实意义。