随着智能控制、计算机网络以及人工智能等理论的发展,智能移动机器人和多机器人系统成为现阶段研究的热点问题。以清洁机器人、自主吸尘器、草坪修剪机等移动机器人为代表,完全遍历路径的实现是其智能行为的关键部分,有着广泛的应用前景并逐渐成为一项重要的新课题。多任务分配问题是多机器人系统研究的一个基础问题,体现了高层的组织形式与运行机制,是多机器人系统实现目标的基础。本文针对非完整式移动机器人的在未知静态环境下的完全遍历问题和多机器人任务分配问题分别进行了研究,并提出了相应的解决方法。在完全遍历问题中,本文提出一种新的完全遍历策略。一个含有多障碍物工作环境的完全遍历问题分为区域的分解、基本区域内部遍历和基本区域问衔接3个子问题,进行总体优化的考虑。对于工作区域采用Boustrophedon分解法进行合适的区域分解；对于基本区域内部遍历问题采用前进转向式的迂回式扫描法,同时为躲避环境中出现的未知随机静态障碍物,采用基于路径跟踪的流体函数法的避障方式；对于基本区域间衔接问题采用基于模糊逻辑避障的点镇定控制实现。最后以微软推出的MRS作为仿真平台进行仿真验证,结果表明该方法非常适用于结构简单的机器人,且信息存储量小、效率高,对较复杂的环境仍然具有很好的遍历效果。在多任务分配问题中,研究了基于蚁群算法的TSP最优遍历和多任务分配的两种模型。通过对传统蚁群算法的改进,本文提出了一种新的自适应蚁群算法(AACA),并以三个基准TSP问题(Eil51, Eil76以及CHN130)为例进行仿真,验证了AACA算法在扩大搜索全局最优解和提高收敛速度方面的优越性。最后,将AACA算法的应用拓展到多机器人任务分配的两种模型(ST-MR-IA和MT-MR-TE)上,解决了高层任务的分配问题,并通过仿真验证了该算法的有效性和可行性。