灾难发生后的现场救援是挽救人民群众生命和财产安全的重要手段。由于灾难现场环境复杂,救援人员可能受到不可预知的危险,威胁救援人员的生命安全,增加灾难造成的损失。在复杂环境中,救援机器人可以有效保护救援人员的生命安全,提高救援队伍的战斗力。因此机器人救援策略的研究,不仅具有重要的科学意义,也具有显著地应用价值。基于粒子群算法的机器人救援策略是目前的研究热点。其目标是将多机器人任务分配的策略进行优化,从而在有时间限制的情况下,完成更多的救援任务。本文重点研究了基于改进粒子群的机器人救援策略的任务分配问题。根据某真实火灾事故,模拟灾难救援环境并构建数学模型。本文以提高救援任务成功率和缩短救援时间为目标,提出了一种自适应的动态权重惯性参数。该方法有效填补了粒子群算法“早熟”、无法收敛到全局极值点以及收敛速度慢等一系列空白。通过实验证明该方法在机器人任务分配方面有一定的优越性。为进一步模拟灾难现场救援情况,本文提出在约束条件较多时多功能救援机器人的任务分配策略,并构建加入多种约束条件的数学模型。对不同功能的救援机器人的任务类型进行研究,本文提出了新的救援目标函数,建立了匹配度矩阵并应用于粒子群优化算法的粒子解码与更新公式中,构建了改进的粒子群优化算法。为验证改进粒子群算法的有效性,本文根据某真实火灾事故建立救援环境并设置两种救援场景。在不同救援场景中,与不同算法进行对比,验证了本文改进粒子群算法在处理约束条件较多时的救援任务分配问题的有效性。