在机器人系统中，多机器人相对于单个机器人有着众多优势。多机器人任务规划对于提高机器人整体效率以及机器人性能有着非常重要的作用。在国防及其他相关领域得到了越来越多的应用，其整体效率直接关系到各相关应用效果。　　首先，本文研究了基于市场法的多机器人协同任务规划算法。通过引入属性向量，比较直观地描述移动机器人执行多个任务所消耗的移动代价、操作代价等。引入能力向量使得对机器人能力的类型和大小的描述更加简洁方便，也便于描述不同机器人的能力特性。引入任务属性向量简洁全面地描述了待执行任务的特点以及机器人执行此任务所需的能力，有效实现了多机器人协同任务规划。　　然后，针对多机器人中的负载均衡问题，提出了基于虚拟分组点的负载均衡协同任务规划算法。基于虚拟分组点规划的目标是均衡各机器人参与的任务数。基于虚拟分组点的负载均衡算法通过遗传算法与虚拟分组点相结合的方式确定待执行任务的分组。通过分组后与相应机器人建立执行关系。此算法能够合理利用机器人资源，避免了过度损耗某一个机器人。　　最后，针对多机器人任务协同中的路径规划问题，通过改进的蚁群算法来优化机器人移动路径。采用混沌初始化方式对原蚁群算法中的初始种群进行初始化，改善了蚁群算法初始个体质量。经过仿真验证改进后算法较改进前需要较少的迭代次数即可获得较满意个体，在解决种群规模较大的问题中将得到更明显的体现。