适应性机制的研究在人工智能和智能控制领域越来越受到关注，对它的研究有助于揭示智能的本质，有助于构造智能化程度更高的人工系统。在复杂、动态环境下如何使群体产生适应性的协调协作行为以完成共同的任务，是分布式智能控制系统要解决的一个难题，现有的MAS理论和技术尚缺乏令人满意的有效解决方法。针对这一问题，本论文将MAS理论方法与协同进化方法相结合，开展了基于协同进化的多Agent适应性技术研究，主要研究内容和创新概括如下： ①提出了一种基于协同进化机制的多Agent分布式智能控制体系结构。采用了划分基本行为模块的方法，将复杂、分布的控制系统构造成基于行为的、行为活性状态可调控的多Agent系统，并设计了基于协同进化机制的分布式并行协进化学习机构及其协同进化算法，使系统在协进化控制机构的控制下，能分布并行地协同进化各基本行为规则库和全局行为协调规则库。系统的局部控制及全局行为的协调协作具有较好的在线学习、自适应特性，能应用于实际的资源受限的嵌入式控制系统。 ②MAS行为协同进化过程具有复杂的异步并发特点，其信息流程是一种复杂的、具有时序和空间特性的网状结构，对这一过程进行建模是个难题。本研究引入Petri网理论和方法对MAS行为协同进化过程进行了建模研究，所建模型较好地描述了协同进化及其控制过程的流程结构和动态行为规律，刻画出了协同进化过程中多Agent间的交互机制，为行为协同进化的多Agent智能控制系统的分析和实现奠定了基础。 ③现有协同进化模型在求解子系统间存在相互关联作用问题时的不足和局限，使其难以应用于高效产生群体复杂适应性协作行为。本研究从方法论的角度出发，依据系统论和非线性科学理论，对现有协同进化模型的局限性及其成因进行了分析，提出了一种引入局部交互的协同进化计算模型和算法，并对算法的效能进行了理论分析论证。该模型和算法通过局部交互作用探测局部启发信息，并结合全局启发信息共同引导协同进化过程，从而能使求解过程朝着正确的方向进化。算法分析及验证实验表明，所提出的引入局部交互的协同进化模型和算法有效地克服了现有协同进化模型的不足和局限，对子系统间存在较强相互关联作用的复杂系统协同进化问题，能全面体现演化过程的复杂关系，从而具有高效地进化到全局最优解的能力。 ④依据所提出的引入局部交互的协同进化计算模型和算法，构造了多 Agent群体复杂协作行为的引入局部交互的协同进化适应性机制及其计算结构。实验表明，该适应性机制能使复杂关联的群体协作行为高效地朝着全局最优协作方向演化，为解决开放、动态环境中的多Agent复杂适应性协作问题提供了一种有效方法和机制。 ⑤给出了应用所提出的基于协同进化的多Agent适应性技术解决实际问题的方法，并构造了实验模型。协作推箱是多机器人研究的基准任务之一，本研究设计了基于协同进化的多机器人协作推箱模型，在此模型上进行了仿真实验研究。实验结果表明，本文所研究的多Agent协同进化适应性技术能高效产生群体复杂适应性协作行为。