本文在未知环境下的多目标搜索过程中，采用了强化学习框架来指导和促进异构多机器人系统（HMRS）的行为演化。 为了保证HMRS行为进化的可行性和有效性，提出了两个阶段，分别称为感知/识别和基于强化学习的行为进化。 在第一阶段，通过与异构多源传感器进行数据融合来感知和识别周围的环境（学习之前）。 在第二阶段，通过Q学习算法和有效的环境感知和识别知识信息，更新了向目标搜索的行为演变，从而为HMRS制定了搜索路径计划，以尽快获取目标（学习后）。 一系列的仿真实验结果通过将学习后的学习结果与学习前的学习结