随着电子商务的迅速发展以及人们购物方式的改变,智能仓储系统已经成为各电商企业的一个重要研究和发展方向。智能仓储系统将数字化工厂和人工智能相结合,采用由“货到人”的拣选模式,大大提高了整个工厂的生产效率。多机器人系统作为智能仓储系统的重要组成部分,任务分配是多机器人系统中非常关键的组合优化问题。任务分配的结果直接关系着仓储系统完成订单的效率及代价,因而多机器人任务分配问题是一个具有应用价值的研究课题。目前,仓储系统的复杂程度不断提高,采用传统任务分配方式不能满足实时性的需要。本文以智能仓储系统为背景,对多机器人系统任务分配问题展开深入研究,主要研究内容包括:针对静态环境下多机器人任务分配问题,建立静态数学模型并提出一种基于分层的扩展一致性包算法。首先,算法综合考虑机器人速度、任务时间窗约束、到达时间和行程代价损耗等复杂约束,设计了新的竞价函数。同时,基于聚类算法中k-means算法的思想,采用分层方式处理任务分配问题,即先把机器人分配给各个任务区,然后在每个任务区中将任务分配给机器人。并且,所提算法能够解决简单任务和需要多个机器人合作完成的复杂任务并存情形,以及不同任务之间存在一定的优先级关系。仿真结果表明,算法可以有效地实现静态环境下多机器人任务分配,且在保证任务分配收益的基础上有效地减少了任务分配时间。针对动态环境下多机器人任务分配问题,建立动态数学模型并提出一种基于一致性包算法的局部重新规划方法和改进的狼群算法相结合的方式。针对任务数量增加情形,采用基于一致性包算法的局部重新规划方法来应对,能够解决多个不同类型的新任务和所有任务具有一定优先级情形。针对机器人数量减少情形,改进的一致性包算法难以求解,此时采用改进的狼群算法进行处理。算法融入了选择方案优化方式、整数矩阵编码、遗传算法思想、头狼附近扰动、头狼停滞状态再次初始化等优化策略。仿真结果表明,算法可以有效地解决动态环境下多机器人任务分配问题,且性能相较于其它算法具有一定的优越性。为进一步验证算法在接近真实环境下的可行性,搭建了多机器人任务分配仿真平台对算法性能进行测试。仿真平台由Python目标控制器、虚幻引擎4、微软开源Air Sim构成。Python目标控制器作为上层控制系统,关联着算法以及实时显示仿真环境下机器人和任务模型的同步情况。虚幻引擎4和微软开源Air Sim作为底层物理引擎,直观展示多机器人运动和任务分布情况。将算法结合在仿真平台上进行测试,通过界面中机器人和任务的运行情况来评估算法性能。实验结果表明,所提算法能够在真实场景中完成机器人集群分配任务。