多智能体系统(MAS,Multi-Agent System)是多个智能体组成的集合,目标是将复杂系统拆分成多个小的智能体,智能体之间能互相通信协调,现已成为分布式人工智能的一个重要分支。多智能体系统的编队避障技术是使多智能体系统在特定的约束条件下,根据分布式任务要求或在追踪目标过程中形成并保持一定队形且在运动过程中躲避障碍物的技术。在军事任务中可应用编队避障技术进行复杂环境下的区域推进式排雷,以此提高排雷任务的高效性和安全性,同时该技术在货物搬运、机器人足球比赛等方面也有广泛应用。多智能体编队避障技术可以有效提高分布式系统性能并降低系统成本,具有现实意义和研究价值。本文以多智能体编队避障技术为研究背景,首先针对多智能体编队技术,在分析了常用的编队技术基础上,对领航跟随法进行了深入研究,该方法具有简单易实现且对复杂环境编队适应性良好的优点,但存在编队鲁棒性高度依赖领航者鲁棒性和跟随者运动不能影响领航者运动两方面缺陷。因此本文提出了将虚拟结构法与领航跟随法相结合的编队控制方法,该方法将刚体概念引入领航跟随法的队型结构模型,采用轮询方式解决领航者故障带来的问题,并设计了三角形和直线型两种队形,通过仿真验证编队有良好的稳定性和鲁棒性。其次针对多智能体系统的避障技术,分析了常用的避障算法基础上提出了μ-FVF(μ-Fuzzy and Virtual Force)避障算法,该算法采用带影响因子μ的Mamdani型模糊控制理论和虚拟力场法相结合的方式,有效解决了智能体在避障规划时出现的目标不可达和局部最优解问题。仿真结果表明算法避障效率高且避障路径光滑可靠。最后,在上述研究成果基础上,针对多智能体编队系统在复杂障碍环境下的动态队形变换问题进行了分析,定义了零变换、缩放变换和完全变换三种队形变换模式,并通过队形变换模式判别函数来指定队形变换的模式,设计了队形变换性能和环境适应评判函数来进行队形的优化选择,仿真验证该策略有效。