多机器人协作系统是一个具有多个机器人和多个共享资源的复杂离散事件动态系统,而多机器人任务调度则旨在调度机器人利用系统中可用资源来完成给定的若干任务,调度的目标是使得所有任务能在最短时间内完成,以最大化系统资源的利用率,尽量减少系统可用资源的空闲等待时间。多机器人最优任务调度在现实中许多领域都具有十分重要的意义。例如在柔性制造系统中,最优的任务调度不仅意味着单位时间内能产出更多的产品以应对千变万化的市场需求,还能极大地提高系统资源的使用率、降低产品生产成本等等;又例如在自动化军事领域,最优的任务调度意味着能更快地对敌情做出反应、迅速完成打击目标任务等等。然而,多机器人任务调度问题属于最难解的一类NP-hard组合优化问题,甚至对于一些小规模问题,都无法在可接受的多项式时间内求解出一个最优解决方案。其应用前景虽然十分诱人,但其本身固有的计算复杂性给其应用带来了巨大的挑战,针对上述难点,本文提出基于并行计算的多机器人快速任务调度方法,利用更多物理计算资源的并行工作方式来加速问题求解过程,具体内容包括:（1）提出一种基于多核计算的并行A*算法用于多机器人任务调度。通过将串行A*算法扩展结点的方式转换为并行多结点扩展从而得到并行A*算法;基于多核计算的并行算法使用共享内存模型,存在数据竞争访问问题,为此设计了两种高效的支持并发访问的Treap数据结构用于表示OPEN列表,并设计了两种高效的支持并发访问的二叉平衡树用于表示CLOSED列表;采用OPENMP框架实现并行算法,在4核计算设备上进行实验测试最高观察到了2.4倍的加速比;观察到散列分区机制对于设计并发数据结构的通用性,本文将其抽象提升为一种独立于特定问题的并发数据结构设计方法,并将其应用到基于共享内存模型的Petri网可达图并行生成算法中,不仅验证了此设计思想的有效性和通用性,还提出了一个能快速生成Petri网可达图的并行算法。（2）基于多核计算的并行A*算法性能通常受限于机器所拥有的实际物理核数,对此提出一种基于多机计算的并行A*算法用于多机器人任务调度。通过将串行A*算法扩展结点的方式转换为并行多结点扩展从而得到并行A*算法;基于多机计算的并行算法使用分布式内存模型,采用一个散列分区机制分别将OPEN列表和CLOSED列表拆分成若干个子列表并将其分布式存储于各个计算节点上;采用MPI消息传递接口实现并行算法,在由高速路由器间接相连的两个计算节点上进行实验测试最高观察到了1.4倍的加速比。（3）为了能更加充分地利用系统物理计算资源来加速多机器人任务调度问题的求解,提出将上述两种方法相结合的多核+多机并行计算的A*搜索算法。通过在多机并行A*算法的基础上,让每一个计算节点都并行处理其分配到的后继结点而得到并行算法;将每一个计算节点拥有的OPEN子列表和CLOSED子列表使用多核并行A*中的方法,设计为高效支持并发访问的数据结构以应对数据竞争访问问题;混合使用OPENMP框架+MPI消息传递接口实现此并行算法,在由高速路由器间接相连的两个4核计算节点上进行实验测试最高观察到了约4倍的加速比。（4）针对A*算法在内存方面的大量需求,提出一种基于Spark云计算平台的并行IDA*算法用于多机器人任务调度。采用并行窗口搜索方法对IDA*算法进行并行化,将具有不同代价阈值的深度优先搜索并行实施,通过实验验证了这种方法的可行性与有效性。