中文摘要：

本项目研究多机器人系统在动态未知环境下的决策和控制问题。该问题是多机器人领域最重要和最具挑战性的课题之一，开展对它的研究能够有力地促进多机器人和人工智能领域的理论进展，并且推动多机器人系统走向实用化。本项目寻求一种适合多机器人系统特点的新的机器学习算法及相应的多机器人分布式控制结构，以支持多机器人系统在一个动态未知的真实世界中进行有效的控制和决策。拟在已有工作基础上，进一步研究如何在Q-learning 算法中使用卡尔曼滤波器、有序学习和遗传算法动态压缩学习空间等手段，来解决该算法在多机器人系统中面临的分值分配、动态环境、学习空间过大等难题。同时，通过分层的方法，建立一个包含机器学习、基于行为的控制策略、局部路径规划等多种能力的新的通用多机器人分布式控制结构，为最终建立能在真实世界中有效可靠工作的多机器人系统提供理论基础和算法模型。