1.一种多机器人群体的任务搜索和任务执行方法，其特征是：包括：

(一)任务搜索层策略

假设任务搜索层中的机器人所处的位置为初始位置，初始位置的节点为S，机器人从初始位置出发，随机的运动搜索任务，联盟中机器人的搜索半径r＝10，若环境中的任务与机器人距离d在[0,10]时，表示机器人搜索到该任务；

当机器人搜索到任务时，系统根据机器人搜索到任务的先后顺序进行编号，为避免选择机器人时发生冲突，系统根据任务编号的先后顺序选择机器人；由于任务是一个静态量，无法自己选择机器人执行该任务，因此在每个任务上放置m只蚂蚁，用蚂蚁作为动态因子代替任务选择合适的机器人或联盟执行任务；若蚂蚁所代表的任务是松散型任务，则选择代价最小的单机器人即可执行；若蚂蚁代表的任务是紧耦合型任务，则该任务需由多个机器人相互协作完成，利用相应的联盟形成算法对该任务进行求解，选择合适的机器人组成联盟执行该任务；

假设该任务为紧耦合型任务，则需由多个机器人共同协作完成，首先将m只蚂蚁放置于n个机器人上，根据蚁群算法选择合适的机器人相互协作执行任务，其中式(1-1)表示其中第k只蚂蚁选择机器人j的概率为：α为蚂蚁在路径上信息素强度的权重，β为机器人i到机器人j之间的通信开销权重，allowk表示第k只蚂蚁未被选择的机器人集合，ηij(t)为机器人i到机器人j之间的通信开销强度；

若当蚂蚁完成当前机器人选择时，发现当前所组成的多机器人联盟已经能够执行该任务，则蚂蚁停止寻径，直到m只蚂蚁完成一次循环，最终选择本次循环中联盟代价最小的一组机器人联盟作为当前最优解；同时对全局进行信息素更新，更新公式如式(1-3)、(1-4)、(1-5)：τij(t+n)＝(1-ρ)×τij(t)+Δτij(t) (1-3)

其中Costk表示机器人k在执行任务时所付出的代价；

(二)任务搜索流程

从以下步骤完成任务搜索层中的机器人任务搜索及任务分配：

(1)任务分配层的机器人从初始位置出发，随机搜索任务，机器人的搜索半径为10，若任务在机器人搜索半径范围内，则表示搜索到该任务；反之，则没有；

(2)机器人搜索到任务后，判断任务的类型，若任务为松散型任务，则机器人转变为任务执行层执行该任务，跳转步骤(6)；若任务为紧耦合型任务，则转步骤(3)，向其他机器人发布协作信息，选择合适的机器人组成联盟，相互协作完成任务；

(3)在每个紧耦合型任务上放置m只蚂蚁，以蚂蚁代替任务，利用式(1-1)进行概率选择，选择代价最小的机器人组合组成一个新的联盟执行任务；

(4)若当前蚂蚁搜索到的机器人联盟满足执行该任务的条件，则停止搜索，则转步骤(5)；否则转步骤(3)继续寻找下一个机器加入联盟；

(5)当m只蚂蚁完成一次迭代运算，选择总代价最小的那组机器人联盟作为最优解，并对全局信息素进行更新，如式(1-3)、(1-4)、(1-5)所示；

(6)最终完成任务的搜索及机器人选择，执行任务；

(三)任务接受层

任务接受层是由任务搜索层搜索到任务后的所选择的多机器人联盟组成的，其是任务的执行者；将任务接受层定义成两个状态：任务空闲状态，状态值S＝0；任务执行状态，状态值S＝1；若机器人处于S＝0状态，表示任务搜索层可以向其发布任务协作请求，且该机器人满足任务的执行条件，则加入多机器人联盟中执行任务，机器人由状态0转到状态1；

若S＝1，则表示该机器人或机器人联盟尚处于激活状态，则任务搜索层不可向其发布任务协作请求，需等待其完成任务后方可接受其他任务请求；根据任务的不同形态及机器人协作形式的不同，将多机器人协同划分为以下三种形式：多机器人顺序协同、多机器人同步协同、多机器人自由协同。

2.根据权利要求1所述的多机器人群体的任务搜索和任务执行方法，其特征是：所述多机器人顺序协同策略是基于如何从机器人联盟中选择合适的机器人来执行任务，是一种基于代价和距离的方法，其基本过程如下：假设机器人Ri接受到任务T时其单位距离上消耗的代价为Ai，机器人Ri运动的距离为di，则机器人Ri在这段路径上所消耗的总代价如公式(1-7)所示：Costk(i)＝Ai×di (1-7)

记下机器人在各段路径上所消耗的代价，由机器人R1开始计算执行任务时各路径上的代价总和，最终得到各路径上的总代价，并对其进行比较，选择代价总和最小的那条路径上的机器人组成联盟共同协同完成该任务；假设由m个机器人执行此任务，则前(m-1)各机器人代价总和如公式(1-8)所示：第m个机器人执行该任务代价公如式(1-9)所示：

Cost(m)＝Am×dmT (1-9)

总代价Cost为：

Cost＝Cost(m-1)+Cost(m) (1-10)

其中dmT为第m个机器人到目标位置的距离；因此，n个机器人组成的联盟n个方案所组成的代价集合为：Cost＝[Cost(1),Cost(2),Cost(3),…,Cost(n)]，从集合Cost中选择代价总和最小的机器人联盟执行该任务。

3.根据权利要求1所述的多机器人群体的任务搜索和任务执行方法，其特征是：所述多机器同步协作是指多机器人联盟中的多个机器人同时接到多个不同的任务，各机器人同时向各自所接受的任务出发；各机器人到达各自所接受的任务位置时，对各自任务的能力进行分析，其中若某些成员发现其能力不满足任务的执行条件，则其须向联盟中其他机器人发送求助信息，请求援助；若当多机器人联盟中存在其他闲置机器人，且闲置机器人的能力满足协助条件，则闲置机器人可协助能力不足的机器人完成任务；若联盟中不存在其他机器人成员处于闲置状态，则须等待其他机器人完成任务，协助能力不足的机器人完成任务；

多机器人同步协同策略：

设多机器人联盟C由m台机器人组成，其集合为：R＝[R1,R2,R3,…,Rm]，联盟C所对应的能力向量为： 任务的能力向量为：，其中有n台机器人接收到任务命令，向各自任务出发，到达任务时各机器人对各自的任务能力进行评估；若发现机器人Ri能力bi

4.根据权利要求1所述的多机器人群体的任务搜索和任务执行方法，其特征是：所述多机器人自由协作是指联盟中各机器人随机的在工作环境中自由搜索任务，不受其他机器人约束，此时各机器人属于任务搜索层，且联盟中各个机器人都是独立个体，不会因为某个机器人出现故障而导致任务无法继续进行；

多机器人自由协同策略：

假设初始时刻多机器人联盟C中的所有机器人成员处于自由运动状态，各机器人搜索任务的能力半径为r；当机器人Ri与任务Tj的距离dij≤r时，则表示机器人Ri搜索到该任务，机器人Ri对该任务Tj进行评估；若当联盟中机器人Ri在场地中搜索到任Tj，则该机器人将实行角色转换，从任务搜索层转变为任务执行层；同时机器人Ri对任务Tj进行分析，若该机器人判定该任务为松散型任务，则由该机器人独立执行；若该机器人判断该任务为紧耦合型任务，则向联盟中其他成员发布求助信息，等待其他机器人协助；系统根据蚁群算法选择合适的机器人执行任务，以代价最小原则作为选择合适的机器人联盟执行任务规则；

若联盟C中多台机器人同时搜索到多个任务时，根据机器人位置分布及各机器人的能力大小选择合适的协助对象。