搜捕指的是在某些已知或未知区域,实行搜索并且捕获的行为。多智能体目标搜索与跟踪问题由来已久,近年来已被广泛应用于具有高影响力的各个领域,如灾害情景下的搜救行动、自然资源勘探、环境监测等。对于某些人类无法完成的搜捕任务,可以采用多机器人系统来执行,不但大大提高了任务效率,也能在任务执行期间保证人类安全。多机器人协同合作搜捕问题,同样是研究分布式多机器人系统之间相互合作的典型问题,因为多机器人系统具有并行性、鲁棒性、可扩展性等优势,用其代替人类完成重复、枯燥、危险的任务已成为一种必然趋势。本文以多机器人系统追捕问题作为研究目标,分别研究了追捕问题中的三个关键步骤:目标搜索,任务分配,围捕方案,内容包括:基于多机器人协同搜索的改进搜索策略设计。针对多机器人协同随机搜索策略容易在搜索时期由于搜索机制使任务陷入局部自锁,从而会导致某些复杂地形搜索不完全、自主搜索效率低下等问题。以此策略为基础,在搜索期间优化机器人之间的相对位置,为机器人群组在地图中寻找最佳的行进方向,避免搜索陷入局部最优化,使其能够适应更加复杂的环境或者多变的地形。仿真结果表明,在搜索区域较为简单时,多机器人随机搜索策略能够达到较好平均效果,但是当搜索的区域障碍增多或是地形变得相对复杂后,改进的方案要明显优于之前的策略,搜索的覆盖率在仿真中提升约15%。多机器人围捕趋近方式以及围捕形式研究。多机器人围捕以往采用比较单一的引导以及捕获方案,传统的固定形式的围捕图形以及传统的围捕方案可能会带来许多不必要的约束,并且很可能无法满足动态围捕的需求。因此改进了机器人围捕的相应机制,机器人间的引力斥力模型控制间距,不同的机器人在同时考虑到移动方向与趋向性情况下快速响应完成向目标位置的引导。完成引导后在实行围捕阶段,面对单一简单围捕目标时,采用传统的圆形围捕策略,将目标置于多边形内心中,机器人处于多边形定点位置,与其他复杂方案相比此方式最为简单快速。对于多个复杂运动目标时采用隐函数构造围捕图形的形成,根据任务目标及其参与的机器人数量,反应更为迅速的形成不固定化的围捕形状。通过仿真表明,方案总体运行相比单一围捕策略可以充分解决运行期间的多机器人围捕响应缓慢的问题,在复杂围捕任务执行时降低了许多机器人的冗余操作,针对简单问题简单化处理同样提高了围捕的效率。变通信范围多机器人任务分配方案设计。多机器人任务分配时期往往会产生冗余的信息交流,这些冗余的信息不仅增加了系统运行能耗,在动态任务分配中还会延长任务分配的时间。以解决此问题为研究方向,给出了一种变通信范围的任务分配方案,任务执行期间做到动态的通信范围扩大与缩小变动,并采用集中与分布式相结合的方式。在初始时期,以竞拍的方式将任务分档,并根据任务数量把机器人分成不同群组,任务执行过程中结合群组通信范围的动态改变,在群组内部和小范围的群组间可以快速将任务分配出去,以此来提高任务执行的效果,降低分配时间;此外在某些群组任务过多时,可通过扩大通信范围重新分配以避免局部最优的情况产生。仿真结果表明,局部自组织限定通信范围的通信方式,相比基础的竞拍式分配降低约30%分配时间,与此同时能有效减少信息吞吐量与降低能源开销。