在自然界中，许多生物利用气味信息发现同伴、搜寻食物源、进行信息交流等。随着传感器技术、机器人学和仿生学等的发展，上世纪90年代开始一些学者尝试利用“嗅觉”机器人完成气味地图构建、气味源定位和气味源分类等任务，称为机器人主动嗅觉问题，它可广泛应用于有害/有毒气体检测、灾后搜索和营救、反恐排爆等场合。本文针对机器人通信距离受限、传感器数据含有噪声、多气味源和动态气味源等多种复杂环境，研究基于改进微粒群优化的多机器人气味源跟踪和定位方法。首先，研究机器人通信距离受限下的气味源定位问题，提出一种动态拓扑微粒群搜索方法，用于跟踪烟羽。该方法将机器人抽象为微粒，采用Firas斥力场函数，引导机器人快速搜索烟羽；基于无线信号对数距离损耗模型，估计机器人间的通信范围，据此形成微粒群的动态拓扑结构，并确定微粒的全局极值；此外，考虑传感器采样时间和恢复时间及机器人运动速度等约束，利用改进微粒群算法实现多机器人协同气味源定位。其次，研究传感器采样数据含有噪声的气味源定位问题，提出一种基于骨干微粒群优化的多机器人协调搜索方法。该方法将每个机器人看作一个微粒，机器人传感器探测到的气味浓度值作为微粒的适应值，所有机器人组成一个进化微粒群；采用动态统计方法在线估计机器人所测气味浓度的噪声强度，并通过区间数表示噪声环境下微粒的适应值；定义区间数的概率支配关系，给出具有区间适应值的微粒优劣比较，更新微粒个体极值和全局极值；利用关于个体极值和全局极值的高斯采样更新机器人的位置，完成气味源跟踪和定位。然后，研究多气味源定位问题，提出一种基于小生境微粒群优化的多机器人气味源定位方法。该方法将每个机器人看作一个微粒，发现烟羽微粒与邻域微粒形成小生境，不同小生境同时定位不同气味源；考虑传感器采样/恢复时间及机器人运动速度等约束，利用改进微粒更新公式完成小生境的进化；基于类聚集度给出小生境规模的动态调整策略，使得微粒群定位尽可能多的气味源；根据不同小生境微粒全局极值间的距离及其飞行方向的相似性，定义类间合并策略，防止微粒重复搜索同一区域；最后，根据机器人所测气味浓度值和位置变化情况，确定气味源的位置。再次，研究风速变化环境下的气味源定位问题，提出一种基于支持向量回归和微粒群优化的多机器人气味源定位方法。该方法以当前时刻机器人位置为输入，以机器人传感器所测气味浓度值为输出，组成采样样本；利用支持向量回归，建立机器人所在位置气味浓度的预测模型；采用改进微粒群优化方法定位气味源时，以气味浓度最大的机器人所在的观测窗内，基于预测模型得到的气味浓度最大值所在的位置，作为微粒的全局极值，以当前时刻机器人的位置，作为微粒的个体极值，完成微粒的更新；最后，根据机器人所测气味浓度值和位置变化情况，确定气味源的位置。最后，研究气味源定位成功后机器人规避危险气味源的全局路径规划问题，提出一种含有自适应变异算子和非可行储备集保存策略的改进多目标微粒群优化算法。该算法采用纵横直线族的方法对环境地图进行建模，计算路径长度和危险度两个性能指标，建立路径规划问题的数学模型；为改善新生微粒(路径)的可行性，提出一种基于路径受阻程度的自适应变异算子；为提高算法的全局探索能力，除可行储备集外，采用一个非可行储备集保存迭代中所得非可行解，并从中选择微粒的全局极值；给出一种基于路径受阻程度的含约束Pareto支配关系，用来更新微粒个体极值及算法的外部储备集。将所提方法应用于不同场景的多机器人气味源定位和包含待规避危险源的全局路径规划问题，与多种典型方法相比较，仿真实验结果验证了所提方法的可行性和有效性。