随着科学技术的飞速发展,机器人学的研究已经从最初的工业领域拓展到航空航天、军事、民用等各领域,对于那些不适合人类直接参与的作业环境,需要机器人能够自主地完成各种智能任务。有效的环境探索是机器人创建环境地图及完成各种复杂任务的关键,在实际应用中具有十分重要的意义。与单个机器人相比,多移动机器人系统具有明显优势。然而,多机器人环境探索策略的制定比单个机器人困难得多,各机器人间存在着组织和协调问题。本文主要针对未知环境下的多机器人系统协同环境探索的策略进行了研究。本文首先对多移动机器人系统环境探索的相关内容以及研究现状等进行了综述性介绍,并对本文的选题背景和主要内容作了阐述。其次,针对多机器人环境探索中如何分配多目标点的组合优化问题,前人提出了基于决策理论的分配方法,但此法存在计算量大和时效性差的问题,文中提出了一种基于单纯遗传算法的目标分配策略,利用遗传算法的全局搜索特性来提高求解速率。但由于单纯遗传算法易于早熟收敛,文中进一步提出了基于改进的遗传算法的目标分配策略,不仅利用了基于相似矢量距的选择概率计算方法来保证抗体的多样性,并且引入自适应遗传算法的思想来实现自适应地调节交叉和变异概率。第三,考虑到集中式结构的弊端和多机器人系统的可扩展性,本文借鉴生物免疫系统的分布式结构和自适应平衡特性,建立起动态分布式的多移动机器人系统,并结合人工免疫中抗原与抗体、抗体与抗体间的相互作用机制,提出了一种基于免疫原理的多机器人组网探索策略。第四,为了进一步优化多机器人环境探索的行为策略,本文在研究克隆选择原理的基础上,提出了一种改进的克隆选择算法,选用实数编码的候选解为抗体,采用可自适应调整的克隆操作和柯西变异算子,以提高对局部解的搜索能力和保证抗体群的多样性。文中提出的算法都通过仿真平台下的多次实验进行了验证和对比。最后对本论文做出总结,并指明需要进一步研究的工作。