民航机场航站楼大范围内复杂的布局,导致旅客办理业务繁琐、行走距离远,使航空出行体验大打折扣,为此研发的航站楼内自主载运机器人,可将有需求的旅客快速送达登机口等目的地。其中,多台机器人协同工作在满足乘客服务需求的前提下,消耗最低是需要解决的关键问题之一。针对以上问题,研究了航站楼等公众环境下机器人自主载运服务,构建了一种新型机器人群体调度模型——需求-时空-能耗调度模型,并设计了面向任务调度优化的全局快速收敛蚁-雀优化算法。首先,构建了需求-时空-能耗模型。研究了一般乘客搭乘容忍等待概率模型和一种基于六边形求解的人机曼哈顿距离模型;并以乘客等待时间和机器人群体能耗为优化指标,构建了基于乘客需求和等待时间并考虑人机位置和机器人群体能耗多目标调度效能优化模型。其次,设计了求解需求-时空-能耗调度模型的多种智能优化算法。研究了各算法的基本原理,并结合机器人群体调度模型固有的离散性特点,对机器人ID序列与乘客的先后次序进行了整数编码;给出了求解机器人群体调度模型的步骤和系统流程,结合实际问题分析了所提算法的优点和不足之处。再次,提出了面向任务调度优化的全局快速收敛的蚁-雀优化算法。针对公共环境中机器人群体载客服务调度优化问题,将蚁群算法（Ant Colony Algorithm,ACA）初期解全局收敛性好和麻雀搜索算法（Sparrow Search Algorithm,SSA）收敛速度快的优点相结合,即蚁-雀优化算法。该算法基于蚁群和雀群数量相同的约束,蚁群算法进行有限次初始迭代后转入麻雀搜索算法。针对其迭代后期雀群多样性不足的问题,引入分治策略和概率矩阵以求解可行解序列中的优秀组合区块,保证解的全局最优和收敛快速。最后,设计了航站楼自主载运调度效能优化算法仿真实验。以国内某机场航站楼为例,搭建了仿真实验环境;结合机器人群体调度模型和5种智能优化算法,设计实验验证蚁-雀优化算法收敛性,并给出了最终代价值、乘客等待时间及等待概率和完成该任务所需能耗。实验表明,蚁-雀优化算法具有全局最优和收敛速度快的特点,应用于航站楼等公共环境中机器人群体载客服务调度优化问题上,有很好的实用性。