随着社会生产力的不断进步，人们对复杂问题求解的需求也在增加。多Agent系统(MAS)由于自身的分布性，鲁棒性等特性可以高效率的求解复杂的问题。在多Agent系统中，多个Agent之间的协调、合作是完成系统任务的方式。联盟机制是Agent之间合作的重要方式。联盟生成是多Agent系统的首要组成部分，Agent联盟生成求解是一个重要的研究方向;联盟效用如何划分是多Agent系统的另一个重要的组成部分，利用合理的划分策略来划分联盟效用具有重要的意义。本论文主要研究了分布式环境下面向复杂任务的联盟生成和联盟效用划分问题。　　本文深入分析了分布式环境下Agent联盟构建的流程和现有方法存在的两个主要问题，提出了分布式环境下面向复杂任务的Agent联盟构建模型。将联盟构建过程分为任务分解，联盟生成阶段，效用划分阶段。任务分解阶段解析复杂的目标任务流程，解决了子任务之间逻辑依赖关系问题。联盟生成阶段主要解决分布式环境下Agent之间信息非共享导致的联盟效率低的问题。在分析现有联盟生成算法的不足之后，针对自利型Agent，提出基于成本信息披露机制的Agent联盟生成算法。在信息非共享的条件下，各个Agent利用反馈因子可控的主动披露自身的信息来争取任务，符合Agent自利特性，也加速了联盟的生成。效用划分阶段针对现有的效用划分策略的不足，提出了基于信用等级和能力贡献的效用划分策略。将Agent在联盟中的信用和能力综合考虑，来评定效用划分权重，最后更新信用等级，提高了联盟的稳定性，最终构建了稳定的Agent联盟。　　为了验证Agent联盟构建方法的有效性，本文进行了理论证明和实例验证，结果表明本方法在联盟生成的效率和稳定性方面均有良好表现。最后将联盟生成方法应用于船舶建造流程的任务划分课题，详细阐述了联盟构建的过程，更证明了算法的实用性。