多机器人协作是多机器人系统研究的一个重要研究内容,同时基于博弈论的多机器人协作已经成为了国内外研究的热门课题。本论文应用合作博弈论对多机器人协作方法进行了深入研究,同时考虑了机器人群体的社会化属性,也即该群体具有强制性,同时具有开放性,在群体约束之下个体之间可以进行自由竞争。论文主要有三项研究内容:基于扩展式合作博弈的多机器人目标追踪,有效地协调多机器人系统的运动;基于帕累托最优的多机器人任务分配,达到任务集之间与任务集内部的帕累托最优状态;基于扩展式合作博弈的多机器人目标围捕,实现非编队方式对目标进行围捕。论文首先将博弈论应用于多机器人目标追踪中,根据扩展式、合作和完全信息博弈建立了机器人目标追踪的博弈模型,引入博弈顺序可变的概念,实现个体之间的自由竞争,从而组建了具有社会化属性的多机器人群体。基于该模型深入研究了机器人追踪策略集,分独自决策阶段与博弈决策阶段进行追踪策略的选取,降低了系统的运算复杂度,实验结果表明论文提出的目标追踪方法可以有效地协调多机器人系统的运动。其次,论文提出使用帕累托决策方法的多机器人系统任务分配方法,首先利用就近分配法来解决任务的初始分配问题;然后在机器人任务集之间通过帕累托决策分配法来重新分配任务点,对各任务集进行优化,降低系统成本;接着提出顺序博弈分配法实现任务集内部的任务分配,来优化机器人执行任务的顺序。通过以上三次任务分配,实现了多机器人系统整体的优化,实验结果表明该任务分配方法是有效的,且性能优于市场法等同类算法。最后,论文将博弈理论应用到多机器人目标围捕问题上,建立了基于扩展式合作博弈的围捕模型和机器人之间的避障模型,并且提出了漫游搜索、区域搜索两种搜索目标机器人的策略,同时为目标机器人建立了有效的逃跑策略,最后分析了整个围捕任务的过程。论文提出的目标围捕方法采用非编队形式的运动,增加了任务执行的灵活性,仿真与实验结果验证了该方法的可行性。