动态任务分配就是将合适的任务实时地分配给合适的成员,以充分利用系统的资源,提高任务的完成绩效。它通常包含再分配型和新任务型两类:再分配型的动态任务分配是封闭系统中的一类典型问题,目前已有成熟的技术方法,如动态负载平衡和各种优化算法等。新任务型的动态分配,是当今以分布式、开放性、智能化和社会性为特征的复杂系统运作中的重要问题,这些系统成员异构所带来的复杂性以及系统内外环境变化所产生的不确定性等都给这类动态任务分配问题的求解带来了困难。多Agent系统(MAS)思想的出现,为解决这类新任务型的动态任务分配问题提供了新的途径。基于MAS研究复杂系统不仅可以有效地揭示复杂系统的运作特征,而且可以借鉴MAS研究的理论成果和方法技术,解决复杂系统运作中用传统方法难以求解的问题。此外,现实需求驱动下的研究成果又可以进一步地丰富MAS理论,指导更为广泛的复杂系统运作。因此,基于MAS的动态任务分配问题研究具有重要意义。基于MAS研究动态任务分配问题的基本思路是:选取MAS作为复杂系统的研究模型,借鉴现有任务分配理论的研究成果和技术方法,围绕任务分解、集中式运作环境的任务分配以及分布式运作环境的任务分配展开讨论。在形式化分析任务和Agent能力特征的基础上,提出基于MAS任务分解的原则和方法步骤;针对集中式运作环境,建立基于马尔可夫决策过程(MDP)的动态任务分配模型,用来指导任务分配方案的优化;针对分布式决策环境,建立基于扩展合同网的任务分配模型,通过任务分配运作框架和流程的描述,规范化基于扩展合同网(ECNP)动态任务分配的过程。基于MAS的任务分解是研究复杂系统任务分配的前期准备。一般地,复杂系统中被分配的任务可区分为简单任务和复杂任务。简单任务可直接分配给单个Agent独立完成;复杂任务通常转化为简单任务后再分配。在对简单任务和Agent能力特征建模的基础上,我们提出了基于MAS任务分解所遵循的6项原则和5个关键步骤。基于MAS的任务分解不仅可以为复杂问题的求解提供指导,而且也向规范化的任务分解迈进了一步。集中和分布是复杂系统运作的两类重要模式。对于集中式动态任务分配问题,根据系统运作收益最大化的目标、环境的不确定性和动态任务分配序列决策的要求,我们构建了相应的马尔可夫决策过程模型,并证明了该模型在状态空间和行动空间有限时存在最优解,讨论了模型求解的迭代算法。仿真实验表明基于MDP的动态任务分配因考虑了系统的长远收益,虽然在某些决策时点做出的决策不是即时最优的,但系统长期运作的期望总收益则优于即时最优分配方案。因此,基于MDP的动态任务分配模型适用于解决长期运作的小规模系统中的动态任务分配问题。对于分布式动态任务分配问题,在建立扩展合同网理论的基础上,通过描述基于MAS动态任务分配问题的两级框架,提出了基于扩展合同网求解动态任务分配的基本思想,规范化了从招标准备、招标、投标到揭标的运作流程。基于扩展合同网动态任务分配的基本思想包括:基于任务熟人信任度的招标策略,基于自适应的投标策略和基于模糊综合评判的评标策略;以及基于时限的联合承诺协议和基于KQML的通信规范等。这些思想不仅可以有效地指导分布式环境下复杂系统的任务分配问题,也丰富和发展了合同网理论。基于MAS的动态任务分配研究涉及MAS、组织理论、决策技术等多个领域的内容,其进一步的完善和发展也还有很多工作要做。总体来讲,基于MAS的动态任务分配研究不仅是现实应用的需要,也是理论发展的必然趋势,必将有越来越多的研究者关注这一课题。