面向未来协同的大规模机器人系统是当前多智能体系统的研究热点,包括很多极具吸引力的应用,例如:无人机集群协同控制,城市灾难救援机器人系统等。在这些应用系统的设计研究中,一个核心关键技术瓶颈在于构建适用于以上场景体系化的多机器人协同决策算法,该算法既能基于多机器人系统动态开放式的自组织网络系统架构,又能求解多机器人协同需要解决的多层次无中心式决策任务,然而相关文献已证明即使仅解决部分协同问题的无中心式多智能体联合决策问题已经是 NEXP-COMPLETE。本论文致力于通过引入人类社会已经证明可行有效的复杂网络特性研究,能够有效地针对大规模多机器人系统无中心式协同决策问题,在不同的协同决策层面构建启发式算法,形成基于复杂网络特性分析的多机器人协同决策系统的研究,主要进行了如下系统性的工作:(1)由于人类社会可以抽象成一个更为复杂的协同决策系统,本文展开了对人类社会协同所依赖的复杂网络特性进行分析,根据多机器人系统与人类社会系统的相似性,总结了具备对未来大规模多机器人协同启发式决策形成较大影响的复杂网络特征,例如度分布特性、网络半径与聚类系数等。(2)本文针对大规模多机器人系统协同决策需求进行深入的分析,研究发现完整系统性的多机器人协同决策至少需要完成三个层面的决策任务,自上而下可描述为服务调度-信息共享-数据分发。本文将针对这三个层次分别构建基于复杂网络特性分析的启发式决策算法,并最终形成对整个多机器人系统协同决策问题系统性的求解方案。(3)在数据分发层面,本文面向多机器人物理自组织网络建立基于复杂网络特性分析的启发式算法。数据分发算法以物理网络不获取语义信息为前提,以数据转发路径为基本依据构建分布式机器人对物理网络复杂网络特性的局部估计和启发式转发决策,实现多机器人节点在信息覆盖与减少冗余数据转发间平衡优化。自组织网络结构调整算法利用物理网络度平均等复杂网络特性构建机器人在开放式复杂环境中无中心式协同移动决策方法实现机器人有限能量下移动消耗、感知覆盖和未来通讯消耗间高效的均衡。(4)本文在信息共享层抽象建立多机器人信息共享逻辑网络,基于该网络信息共享服务推送对分布式机器人在环境部分可观测条件下的协同决策具有启发意义的信息。这些信息分发的目的必将与机器人在协同层面上的固有属性(如能力特性,协同主从关系等)密切相关。通过海量历史信息分发的统计认知引入复杂网络特性建模,基于对网络全局认知和局部网络认知两种条件下分别构建信息共享网络结构调整算法以达到优化多机器人协同信息共享效能的目的。(5)在服务调度层面,本文将多机器人系统任务分配问题构建为服务调度问题,设计基于服务约束条件的多机器人系统服务调度网络模型并明确服务调度目标。对动态服务调度网络进行复杂网络特性分析,发现对服务调度网络具有影响的复杂网络特征因素,并提出基于节点度值、聚类系数及介数的复杂网络特性服务调度决策启发式优化算法,以实现机器人间高效的服务调度,有效提升系统执行复杂任务的效能。最后,本文面向多机器人协同不同任务层面分别构建了应用仿真验证环境,通过相关算法比较与效能分析,验证本研究通过在多机器人协同过程中通过引入复杂网络特性分析、构建分布式机器人局部可观测条件下的复杂网络特性认知方法,可以显著优化无中心式决策多机器人系统的自主协同效能。