本研究包含两方面内容：移动机器人避障控制和多机器人分布式协调控制的研究。移动机器人避障问题是自主导航的一个基本问题，随着应用环境向未知、动态、非结构化拓展，对机器人在复杂环境中的可靠、高效的局部导航控制提出了进一步要求。多机器人系统结合分布式智能，对完成大规模和复杂任务具有广泛应用前景。主要研究内容包括：　　 ⑴针对复杂环境下实现平滑避障的实时方向决策问题，考虑利用局部障碍的空间结构信息来优化决策，提出了一种实时方向决策方法。在利用gap特征启发子目标决策基础上，引入安全圆半径作为候选方向的预测安全性评估指标，将避障方向决策问题归结为方向空间上的约束优化问题。算法将安全圆半径函数的局部单峰性，用于机器人所在空闲区域的划分和期望方向的确定，通过综合安全性、期望方向和平滑运动三项要求的目标函数设计，实现了避障方向决策的优化。对比实验验证了本文算法在复杂环境中的平滑避障性能。　　 ⑵可靠、高效的避障控制必须综合考虑环境约束和本体特性，针对现有速度空间方法在复杂密集环境下难以发现、进入障碍间通道的问题，提出了一种结合区域分析的改进算法，在利用gap特征发现障碍间通道基础上，提取目标通道信息用于速度矢量的决策优化。通过目标跟随指标、目标区域吸引指标、线速度上限控制以及碰撞预测等方面的改进，有效的增强了避障控制的安全性和有效性。实验验证了改进算法在复杂环境中的导航性能改善。　　 ⑶针对复杂任务的分布式协调问题，采用递级混合控制结构来建立多机器人间不同层次的协调机制。通过对复杂任务分解后子任务集的特性分析，采用Petri网建模方法分析多机器人系统的协调逻辑过程，并通过功能分配来简化紧密耦合行为的设计。异构双机器人系统推箱子任务的实例研究验证了上述方案的有效性。　　 ⑷研究具有等级关系的群集的内部竞争协调控制问题，根据关于金丝猴群在非移动时空间聚集行为的研究成果，构建了一个等级有序竞争智能体模型，通过模仿动物个体间基于等级的协调行为，提出一种基于等级有序竞争的群集控制算法。该算法综合考虑个体安全、效用函数优化以及个体间等级有序协调3方面要求，有效地解决了群集过程中个体安全和异构个体间的冲突，利用该算法得到的群集分布呈现等级有序性。理论分析和仿真实验结果验证了算法的有效性。