微粒群算法是一种模拟鸟类群体行为的随机型优化方法,由于其结构简单、收敛速度快和其本身容易实现的特点,因此在短短几年时间内,便获得了很大的发展,并在一些领域得到了成功应用。群机器人是能力有限的许多个体机器人通过交互、协调和控制涌现出具有群体智能特点的机器人系统。微粒群算法与群机器人搜索都是智能体搜索的实例,二者之间存在着一定的映射关系,群机器人与微粒群之间的联系就是:具体与抽象、现实与模型的联系。因此可以利用微粒群对现实世界中的群机器人进行建模与仿真,这方面的研究已有成果报道;同理,也可以利用群机器人特征去改进微粒群算法,这方面的研究成果还比较少,因此有必要对该问题进行进一步的研究。首先,本文利用群机器人异步通信策略的特征,提出了异步模式微粒群算法APSO和异步随机微粒群算法ASPSO。即在微粒的进化过程中,采用异步通信模式,使得全局最好位置信息以异步方式在种群中传播。仿真结果表明:与同步模式的标准PSO算法相比,改进后的算法具有更强的局部搜索能力和更快的收敛速度。文中通过理论分析证明了异步通信模式的有效性。其次,基于群机器人之间互相避碰的特点解决微粒群算法存在的过早收敛问题,给出了一个更简单有效的种群多样性度量函数,同时提出了微粒自身最好飞行方向的概念,从而实现了一种改进的吸引排斥微粒群算法MARPSO。仿真结果表明:与标准微粒群算法BPSO和ARSPO相比,该算法能够有效地提高种群多样性,并且具有较高的收敛速度和较强的全局搜索能力。文中通过理论分析验证了算法的有效性。最后,将机器人运动惯性的特征运用于微粒群算法中,为了减少微粒的搜索步长,引入了一维搜索策略和动态步长策略,仿真结果表明了这些策略能有效地提高算法的收敛速度。