在大规模复杂的MAS系统中，多个Agent之间的协调、合作尤为重要。联盟机制是Agent之间合作的重要方式，联盟生成是多Agent系统的一个关键问题。本文对粒子群算法求解Agent联盟这一问题展开了研究，充实了MAS及粒子群优化算法等理论，为实际应用系统的研制和开发提供了理论指导和方法依据。论文研究的主要内容及创新之处：●联盟生成主要研究如何在多Agent系统中动态生成面向任务的最优Agent联盟。粒子群算法相对于遗传算法、蚁群算法等其他优化算法具有更好的鲁棒性、并行性和分布性。论文引入离散粒子群算法求解Agent联盟，实验结果表明，离散粒子群算法在求解联盟时解的性能和收敛速度上均优于相关算法。●基于任务匹配的多任务联盟生成策略的提出与实现。引入历史任务集和系统经验集的概念，使用任务相似度来判断任务间的关系。提出了一种基于任务匹配的联盟生成策略，增强了Agent的学习能力，对于任务序列可以依次求解全局最优联盟。对比实验表明本策略可以有效减少联盟生成的搜索时间和计算量。