以智能机器人为智能体载体的多机器人系统一直被广泛应用于军事、农业、勘测、救援、交通等涉及国家关键产业及人类的日常生活中，具有十分重要的研究意义。其中，追逃问题本质上是多机器人之间有限理性的多局中人的博弈问题，也是研究多机器人系统中机器人之间竞争与合作的典型平台。本书的主要内容包括引言、基于混合地图的多机器人协作探索环境、多机器人协作SLAM、基于AGRMF-NN的多机器人任务分配算法、基于深度强化学习的多机器人协作SLAM算法、多机器人追捕博弈问题中追逃约束条件研究、基于快速推进法的多机器人分层追捕算法、复杂障碍物下的多机器人协作追捕算法研究等。
本书主要供研究人员、工程技术人员开展多机器人系统理论与应用研究工作时参考，也可作为研究生在多机器人系统方面的课程参考读物。

第1章 绪论
1.1 背景与意义
1.2 自主导航综述
1.3 地图创建
1.4 基于多机器人协作的路径探索综述
1.5 多机器人追捕问题研究综述
1.6 博弈论概述
1.7 本章小结
第2章 基于混合地图的多机器人协作探索环境
2.1 引言
2.2 单机器人概率地图创建
2.3 实时拓扑地图的创建方法
2.4 基于混合地图的多机器人协作环境探索
2.5 基于市场法的多机器人协作探索实验
2.6 本章小结
第3章 多机器人协作SLAM
3.1 引言
3.2 SLAM的基础知识
3.3 机器人位姿表示
3.4 多机器人协作SLAM概述
3.5 本章小结
第4章 基于AGRMF-NN的多机器人任务分配算法
4.1 引言
4.2 AGRMF特征向量
4.3 AGRMF-NN结构
4.4 AGRMF-NN的学习方法
4.5 基于AGRMF-NN的任务分配算法的具体流程
4.6 实验结果及分析
4.7 本章小结
第5章 基于深度强化学习的多机器人协作SLAM算法
5.1 引言
5.2 深度强化学习算法介绍
5.3 MAS-DQN介绍
5.4 基于MAS-DQN的协作子地图修正
5.5 基于MAS-DQN的多机器人协作SLAM算法流程
5.6 实验结果与分析
5.7 本章小结一
第6章 多机器人追捕博弈问题中追逃约束条件研究
6.1 引言
6.2 两人追逃博弈问题描述
6.3 多机器人追逃博弈成功追捕的约束条件
6.4 满足约束条件下的“贪婪最优”追捕策略
6.5 实验及分析
6.6 本章小结
第7章 基于快速推进法的多机器人分层追捕博弈算法
7.1 引言
7.2 基于量子最小化博弈的多机器人追逃问题
7.3 多机器人追捕微分博弈算法
7.4 基于快速推进法的分层追捕算法
7.5 实验及分析
7.6 本章小结
第8章 复杂障碍物下的多机器人协作追捕算法研究
8.1 引言
8.2 改进的基于运动图式的多机器人追捕策略
8.3 基于遗传算法的模糊强化学习追捕策略
8.4 本章小结
参考文献
名词索引