本文结合机器人足球比赛,对群机器人系统协作问题进行了深入和系统的研究,提出了一些新的思想和方法.受自然水流动特性的启发,本文提出了一种群机器人在动态环境下进行路径规划的新方法.机器人的工作空间被表示为一张虚拟地形图.在虚拟地形图中,地势高的地方对应于机器人工作空间中障碍物所在的区域或不希望机器人进入的区域;地势低的地方对应于机器人工作空间中目标位置或希望机器人进入的区域.机器人的初始位置设定为人工水源,人工水从地势高的地方流向地势低的地方,当水流到目标位置后,水所流经的区域构成了一条从初始位置到目标位置的路径.它具有复杂性低、实时性能好的特点.实验结果表明了这个方法的正确性和有效性.本文研究了群机器人编队包围目标的合作问题,以队形控制算法为基础,给出各机器人独立确定其队形向量的方法,扩展了队形控制原理,改进了机器人的运动方式以提高收敛速度,提出了一种快速收敛的群机器人任意队形分布式控制算法.本文提出的通信机制和协调机制保证系统不会产生冲突.完成了群机器人编队的仿真实验和物理机器人的编队实验.本文借鉴人类的合作学习方式,以强化学习为基础,提出了一种群机器人合作学习方法.每个机器人在各自的环境中独立学习,但它们的学习目的相同.所有机器人在一个学习周期后,相互交流学习成果,并将它们各自的学习结果进行融合,得到一个共同的学习结果,该学习结果被所有的机器人共享,并作为下一个周期学习的基础.本文将该方法应用于机器人避碰行为学习,实验结果表明了该方法的可行性和有效性.为了获得有效的协作行为,本文利用遗传算法研究了群机器人协作行为的进化问题.为了提高遗传算法的收敛速度,提出了一种基于疫苗自动获取与更新的免疫遗传算法.从各代种群中选出优良个体,然后从这些优良个体中提取免疫疫苗,概率地对后代种群的个体接种疫苗.接种疫苗是利用疫苗确定位上的等位基因替代个体相应位上等位基因的操作.接种疫苗加速了优良模式的繁殖,修复了被交叉、变异破坏的优良模式.种群与疫苗库相互作用、协同进化,极大地提高了算法的收敛速度.通过几个典型函数的优化问题和在机器人足球比赛中的应用,验证了该方法的可行性和有效性.最后,本文开发了群机器人协作仿真实验平台,为深入研究群机器人协作问题提供了一个标准的实验平台,并通过各种实验对本文所提方法进行了验证.