本文主要研究了群体机器人系统的协同适应性问题。目的是通过基于局部信息交互下分布式控制、优化与学习,实现群体机器人系统对于动态复杂环境的适应,进而揭示群体智能系统中涌现行为的规律及其可控性。分别从群体机器人运动学模型、动力学模型以及分布式强化学习三个方面四个角度进行了较为深入的研究。1、对于运动学模型下协作,通过结合Vicsek模型及人工势场法,实现了群体机器人在复杂环境中的同步运动,借助人工协调场方法实现了群体机器人的避障运动。2、对于动力学模型下的协同,通过结合虚拟力、外部环境因素以及连接矩阵的方法,针对静态环境和动态环境分别设计了基于局部信息交互的分布式控制器,并进行了相应的稳定性分析,实现了群体机器人系统的同步运动,利用改进的粒子群优化算法对控制器中的参数进行优化,降低了群体机器人系统的能量损耗。3、提出了基于内部平均动能的分布式控制器设计方法,并进行了稳定性分析,有效地实现了群体机器人在复杂环境下的觅食任务。4、对于分布式强化学习,由于状态空间过大,机器人数量较多,导致强化学习的收敛速度过慢,适量的通信能够加快学习速度,这里提出几种基于黑板结构通信的协作强化学习算法,充分利用了多机器人系统的分布式感知能力去探索学习空间与收集经验,进而提高强化学习收敛速度。本文研究得到了国家自然科学基金项目“复杂环境下群体机器人系统协同适应性理论与方法研究”(60675057)以及吉林大学2009研究生创新研究计划“动态环境下群体机器人协同方法研究”(20091020)的资助。