在传统的合作博弈求解中，通常假设联盟收益确定或者局中人对联盟收益取值的区间或概率分布能够形成共同知识。现实中，联盟收益往往不确定，局中人在个体经历、个体信息、个体理性、形势判断、利益诉求等诸多方面存在差异，对于联盟收益的取值往往难以达成共识，特别是在存在不对称信息和不确定信息的情况下更是如此。在局中人对不确定的联盟收益取值意见不一致的情况下，联盟分配方案的达成通常是局中人基于个体理性与判断进行多轮谈判，互相影响、相互妥协、最终趋同的结果。
　　本文首先对联盟收益不确定下局中人的收益进行描述，设定分配的有效性条件，对合作博弈进行新的刻画。再针对合作博弈问题，对多目标粒子群算法进行改进，提出了离散度函数和策略函数，建立了改进多目标粒子群算法模型。最后，借鉴多目标粒子群算法的求解思路和建模思想，模拟现实中的谈判行为，设计了合作博弈的群体智能间接通讯机制和谈判策略模型，对联盟收益不确定下的合作博弈进行求解，并证明了合作博弈的谈判策略解的相关性质。
　　通过数据仿真和算例分析可知：(1)合作博弈的收益分配方案是通过局中人信息互通、谈判得到的结果，局中人提出的初始分配方案、学习因子的初始和终止值等会影响谈判的结果；(2)在谈判过程中，局中人的提出的分配方案调整幅度会逐渐减小，并且方案的离散度也会逐渐减小，最终方案趋于一致；(3)最后计算得到的分配方案中确定收益与不确定收益呈现反比关系，反应出现实中收益与风险的并存关系，能有效实现收益的分配与风险的分担，也能体现出局中人的个体差异性。本文对于联盟收益不确定时合作博弈的求解提供了新的思路与方法，为现实中解决合作博弈问题提供了一种“指示”。