多机器人系统运行控制机制将智能控制理论、人工生命理论、进化算法以及机器人编程技术等融合在一起，是机器人学和人工智能领域一个备受关注的研究课题。而采用进化算法与人工生命理论相结合的技术进行多机器人围捕问题的仿真和设计优化研究，则是多移动机器人系统研究的重要发展方向。以前所开展的多机器入围捕问题的相关研究存在以下两方面不足：第一，用于评价猎物机器人成功围捕的性能指标说服力不强，性能仿真评估结果的可信度较低；第二，机器人个体的智能程度不够高，自学习能力不强。针对以上不足，我们采用人工神经网络理论与具有精英保留策略的免疫遗传算法相结合的方法，提出了一种全新的多机器人行为决策控制系统——IGAE-ANN(Immune-Genetic Algorithm with elitist model, IGAE; Artificial Neural Network, ANN)行为决策系统，并将其应用到多机器人围捕仿真实验。本文首先对国内外多机器人系统的总体研究状况及基本理论作了详细介绍。在此基础上，对IGAE-ANN行为决策系统进行了设计研究。在IGAE-ANN行为决策系统中，采用人工神经网络作为捕猎机器人的行为控制器，并采用改进的具有精英保留策略的免疫遗传算法对神经网络的连接权值进行优化调整，使神经网络可为捕猎机器人生成最佳的行为决策，从而实现捕猎机器人在动态环境中对猎物机器人的成功围捕。在MATALB环境下的动态仿真实验结果证明了IGAE-ANN行为决策系统在整个捕猎期间具有良好的决策能力。此外，通过仿真结果对比，证实了IGAE-ANN行为决策系统在收敛速度、解的波动性以及动态收敛特征等方面，比采用带精英保留策略的标准GA算法去优化人工神经网络控制多机器人围捕效果更优。本文提出了一种新的用于评判多个机器人成功围捕猎物的性能指标。实验结果表明该指标可有效表达猎物机器人被捕获且不能再逃离的状态，比韩国学者Malrey Lee所设定的指标具有更强的说服力。