RoboCup是一项研究人工智能的国际合作项目,RoboCup Rescue机器人救援仿真是其中的一个子项,致力于提高人工智能相关理论在应用领域的发展。救援机器人需要在动态变化且未知的环境中,利用系统有限的救援资源完成诸多救援任务。本文结合RoboCup机器人救援仿真系统的特点,将多智能体协作的相关理论应用于该系统中,针对警察智能体和消防智能体的协作进行了优化,建立了新的灭火策略,主要工作和创新点如下:首先,本文提出了一种基于信息融合的警察智能体清障方法。方法设计了一种基于重要度的信息融合算法对智能体获取的信息进行筛选,从而获取更加完整的全局信息,并在此基础上对任务池中的清障任务进行评估,警察智能体根据评估结果进行协作,从而达到警察资源的最优化配置。其次,为了有效的把握火势传播的方向以便消防智能体进行灭火决策,提出了一种建筑温度预测方法。研究了火势模拟器热传递原理,建立了具有一定实战性的消防智能体房屋温度更新模型。在此基础上采用粒子滤波算法对着火房屋的温度进行预测,并给出了算法的数据结构。通过该预测方法,消防智能体对地图中的火势发展可以有一定的预判,从而为下面的灭火策略提供研究基础。最后,结合以上两个创新点,提出一种基于分区的多智能体灭火策略。通过K-means算法对地图进行聚类分析,将其划分为若干个分区;采用静态分配和动态调整相结合的方式将消防智能体分配至各个分区,并根据实时的救援情况进行动态调整。针对性地设计了普通灭火策略和预灭火策略,应对不同情况下的建筑燃烧和火灾蔓延细节,降低了损失和灾难,最大程度控制了灾后火势给城市建筑群带来的影响。