hunter-and-gatherer方法处理动态multirobot任务分配的问题,不知不觉地分布在一个环境的任务。这种方法使用两个互补的团队代理:一个在探索(猎人)和另一个灵巧敏捷完成(采集)的任务。尽管这种方法研究了任务计划的观点在我们之前的作品,multirobot勘探和协调方面的问题仍被知晓。提出了一种multirobot探索算法基于创新的猎人的概念“预期信息增益”的集体成本降到最低的任务成就在一个分布式的方式。此外,我们提出一个协调的解决方案之间的狩猎者和采集者利润率的小说概念的整合,将信息增益的概念。统计分析广泛的仿真结果证实了该算法的有效性将在不同的环境中与复杂性不同程度的障碍。我们还表明,狩猎者和采集者明显扭曲之间缺乏有效的协调总计划的有效性,特别是在环境包含密集的障碍和局限在走廊。最后,它是统计证明,整体工作负载分布同样为每个类型的代理,确保建议的解决方案不偏向某一特定代理和代理行为类似地在相似的特征。