多自主式水下航行器（Autonomous Underwater Vehicle,AUV）系统的任务分配问题是一个复杂的NP（Non-Deterministic Polynomial,NP）完全优化问题,很难找到问题的全局最优解。尤其水下环境复杂多变,导致多AUV系统的任务分配问题面临着诸多挑战,如能源有限、多AUV系统整体效用低、水下洋流影响的不确定性等问题。因此,针对上述问题,如何设计合理的任务分配算法,从而提高多AUV系统的效用,减少多AUV系统的能源消耗并提高多AUV系统应对复杂水下环境的能力是本文研究的主要内容。首先,本文分别简单地介绍了AUV类型、任务类型以及多AUV系统的体系结构。基于对任务场景、AUV系统的机动性、任务特性的分析,构建了具有多重约束的异构多AUV系统任务分配优化模型。此外,进一步分析了水下洋流对异构多AUV系统任务分配的影响。其次,针对能源受限、水下洋流影响不确定性条件下的异构多AUV系统,提出了一种分布式鲁棒拍卖任务分配算法。针对现有拍卖算法忽略拍卖商的利益,不符合市场规律的问题,引入了任务奖励反馈机制,最终达到在保证AUV系统效用的同时,有效降低了任务分配系统（拍卖商）的成本。此外,考虑了洋流对任务分配模型产生的不确定性因素,利用鲁棒优化理论,使多AUV系统在不确定环境下也能保持较好的效用,从而提高了多AUV任务分配系统应对复杂水下环境的能力。最后,针对存在能源补给情况下的异构多AUV系统任务分配问题,构建了考虑剩余能源的异构多AUV系统任务分配模型,并提出一种多轮捆绑组合拍卖算法。在投标包构建阶段,各AUV利用变维染色体遗传算法求解出满足自身需求的最优投标包递交给拍卖商,限制了AUV递交投标的数量,从而降低了拍卖商决策的复杂度。进而设计了一种赢家决策算法,最大程度的保留了AUV对任务的偏好需求,保证了任务之间的关联性,从而提高了AUV系统的整体效用,降低AUV系统的能源消耗。