多机器人系统运行控制机制将智能控制理论、人工生命理论、进化算法以及机器人编程技术等融合在一起,是机器人学和人工智能领域一个备受关注的研究课题。而采用进化算法与人工生命理论相结合的技术进行多机器人协作问题的仿真和设计优化研究,则是多移动机器人系统研究的重要发展方向。本文首先对国内外多机器人系统的总体研究状况及基本理论作了详细介绍。在此基础上,对基于免疫遗传算法的神经网络行为决策系统进行了设计研究。在该行为决策系统中,采用人工神经网络作为移动机器人的行为控制器,并采用改进的具有精英保留策略的免疫遗传算法对神经网络的连接权值进行优化调整,这种改进的免疫遗传算法,简称为IGAE(Immune Genetic Algorithm with Elitism),结合了精英保留策略(elitism strategy),并将抗体相似度、期望繁殖率以及克隆选择概率采用新的定义方法和计算公式。使神经网络可为移动机器人生成最佳的行为决策,从而实现移动机器人在环境中对目标物体的成功搬运。本文用MATLAB环境下的动态仿真实验结果,证明了基于改进的免疫遗传算法优化的神经网络行为决策系统在整个搬运期间具有良好的决策能力。此外,通过仿真结果对比,证实了基于改进的免疫遗传算法优化的神经网络行为决策系统在收敛速度、解的波动性以及动态收敛特征等方面,比采用带精英保留策略的标准遗传算法去优化人工神经网络控制多机器人搬运效果更优。