近年来，在计算机人工智能领域，多智能体系统（Multi-Agent Systems，MAS）正在变得越来越重要。在MAS中，与Agent独立工作相比，在许多任务中Agent采取联盟或合作行为往往会取得更好的结果，因此，联盟结构生成（Coalition StructureGeneration，CSG）问题成为了多智能体系统中的一个活跃的研究领域。联盟结构被定义为一个划分，就是把系统中所有智能体分成多个独立不相交的联盟。在多智能体系统中，哪些智能体会形成联盟，如何形成联盟，是一个重要的问题。对此，博弈论提供了一些解决问题的方案：在一个确定的博弈中，可以挑选稳定的结果。但是，寻求最优联盟结构是一个NP完全问题。为了找到最优的联盟结构，通过遍历搜索的方式在理论上是可行的。但由于需要搜索的联盟划分的数目是根据智能体的数目按贝尔数增长的，所以遍历搜索会随着搜索空间的增加而变得越来越不可能实现。本文根据建立的无线通信系统背景下的MAS模型，从博弈论的视角提出了两个启发式联盟结构生成算法，并对联盟结构的稳定性和算法的复杂度进行了分析。算法通过基于成本的融合-分离的方式，允许各智能体采取不同的态度，以决定是否与其它成员（或联盟）协作而融合或背叛联盟而脱离，从而形成最终接近或达到最优的联盟结构。蒙特卡洛式仿真实验的结果表明，两个算法在非遍历搜索空间的情况下，都能取得较好的结果。当Mt<=100时，与非合作的情况相比，成员的效用分别提高了40.74%和43.37%。在Mt<=20时，用户的平均效用与最优值的最大差距分别为1.61%和0.91%。