受国民经济及人民生活需求的驱动，机器人技术得到了快速的发展，一些领域对机器人的要求越来越高，单个机器人能力的提高仍难以满足新的需求，因此，机器人系统的设计和应用开始从单机器人系统转向多机器人系统。与单机器人系统相比，多机器人系统有着无法比拟的优势，然而多机器人系统能否优于单机器人系统的关键是多机器人系统中的机器人成员能否通力合作，高效地完成全局任务。近年来，多机器人系统任务分配成为多机器人系统研究领域的基础性问题之一，其重要性随系统规模和任务复杂度的增加而迅速增加。 本文的主要内容包括： 1.首先介绍了多机器人系统的研究背景及意义；分析了多机器人系统任务分配的研究现状，并总结了多机器人系统任务分配研究中现存的问题。并简要介绍了Q学习和自适应神经模糊推理系统的理论知识。 2.提出一种基于效用评价的任务分配算法，在Q学习算法基础上引入具有较好泛化能力的自适应神经模糊推理系统，设计了基于模糊-神经Q学习的效用评价网络结构。通过在线学习调整算法的参数值，不断提高效用评价的准确性。设计全局奖赏函数从而使每个机器人根据各自的任务评价进行任务分配，实现全局任务的分配。并对算法性能进行了分析。 3.研究了基于效用评价的任务分配算法在RoboCup2D足球仿真平台中的应用，将该算法应用于Gdut_Tiji足球机器人球队中，并具体描述了任务效用评价和任务选择的实现，通过具体比赛验证了算法的有效性。 论文最后对全文进行了总结，说明了主要研究成果，同时指出自己的不足和有待进一步研究的问题。