近年有关群体智能的研究成果、科研课题和学术会议取得蓬勃发展,目前群体智能的研究热点分为基于群体机制的智能优化算法和基于群集行为的多机协同应用,其目的是通过一个或多个智能体的分布式自主决策和信息交互协同完成群系统的某项任务。根据多机协同应用中涌现出的合作-竞争关系,本文提出了一种基于合作-竞争机制的协同进化鸽群算法并应用于多机协同区域搜索和多机协同路径规划两个集群任务,具体研究内容及创新可概括如下:第一,单机路径规划是群体智能应用的基础技术,针对现有路径规划器很难在复杂的陷阱型环境下求取最优路径和随着栅格模型细分计算时间急剧增加等问题,提出一种新的最短路径规划算法——连接点法,通过平面几何知识证明了以次角点为搜索节点的最短路径为全局最优路径。在仿真分析中,随着栅格图的细分,连接点法在计算时间指标的表现优于其他算法。第二,受自然界种群内子群在抵御天敌、争抢食物过程中涌现出的合作-竞争关系的启发,将合作-竞争概念引入到智能算法中,结合协同进化算法思想提出一种分布式智能算法——基于合作-竞争机制协同进化鸽群算法,该算法将鸽群均分为若干子鸽群,每个子群表征一台机器人,合作机制可确保机器人合作完成指定任务,竞争机制则用于处理机器人间潜在的冲突或碰撞问题。第三,考虑到机器人的航程限制,提出了闭合区域搜索的概念,设计了一种动态两阶段方案用于多机协同区域搜索,第一阶段结束时的位置和方向为第二阶段起始的位置和方向。搜索阶段使用基于合作-竞争机制协同进化鸽群算法在避免机器人碰撞、重复搜索重点单元的前提下最大化搜索报酬,而返回阶段机器人将在方向约束和机动限制下返回基地。第四,目前尚无求取机动限制下栅格最短路径的算法,本文提出一种搜索跟踪法,该方法受区域搜索知识启示,将由连接点法得到的栅格路径包含的单元建模为重点单元,其他空白单元建模为已知区域,以最大化报酬为搜索目标,在机动限制下跟踪重点区域。理论分析和仿真实验均证明了该算法的有效性,且搜索跟踪法的应用对象不仅适用于单个机器人,也可拓展至多机器人。第五,在一般多机器人协同路径规划问题的基础上增加了机器人的机动限制、局部环境突变、个别机器人故障等情形,提出一种基于解耦思想的协同路径搜索法。该方法由两个耦合的阶段构成,第一阶段不考虑机器人间的碰撞及其他限制,将连接点法分布式扩展至多机器人;第二阶段在无碰撞、机动限制、处理突发情况的要求下使用协同搜索跟踪法求取最小化机器人总旅行路程。