随着机器人智能化的不断发展,多机器人系统中任务分配和路径规划两类关键技术成为了当代研究学者研究的重点。任务分配的关键问题在于多机器人与多目标任务需要通过一个合理的分配算法将不同目标点的任务分配给空闲机器人,以此提高机器人的利用率和任务完成效率;多机器人在执行任务的过程中,由于机器人同障碍物和其他机器人之间可能存在路径冲突和碰撞的问题,因此需要有效的路径规划算法来解决。本文针对两个亟待解决的问题,提出了任务分配算法和路径规划算法。针对任务分配问题,考虑到机器人与任务之间的行驶距离、剩余电量等影响因素,对匈牙利算法计算最小匹配模型进行改进。本文提出了基于匈牙利算法解决多机器人与多目标任务之间一一对应的最小成本代价的匹配问题。这种分配模式提高了多机器人系统中的每一台机器人的使用率,确保了多机器人系统的均衡性。从实验结果数据显示,当机器人总数量为20台时,采用匈牙利算法实现的任务分配结果与蚁群算法相比,任务执行数量上增加了37.5%,均衡值提高了29%。针对多机器人路径规划问题,本文以遗传算法为基础算法并加以改进,从而实现多机器人无碰撞安全行驶。首先,对二维静态环境建立栅格地图;其次,为避免与环境中的障碍物发生碰撞,将遗传算法中加入连通点算子,在算法进入种群初始化后对种群个体进行路径可行化处理,该操作使算法在不断地迭代中最终选取最优且无碰撞的安全可行路径;最后,考虑到共享环境中可能存在的多机器人碰撞问题,引入碰撞检测和碰撞消除机制,建立安全行驶距离,使多机器人之间无碰撞行驶。将本文算法与其他研究学者提出的算法相比,单机路径规划实验分析得出,相较于路径安全性最高的粒子群算法,本文算法提高了20%;多机路径规划实验分析得出,当机器人总数量为20台时,与具有竞争性的文献算法相比,任务执行时间上缩短了14.3%。多机器人任务分配和路径规划算法的实现,通过MATLAB仿真平台搭建完成并验证算法的有效性,通过搭建控制平台实现多机器人在实际环境中执行任务,验证了多机器人任务分配协作过程中,执行成功率达到97.75%。