智能规划是人工智能领域里一个重要的研究内容。经典的规划问题假设世界的信息是完全可知的,并且动作的执行效果是确定的,这使得经典的规划问题只能求解规模较小的模型规划问题。为了求解现实问题,近年来,对不完全信息和不确定效果的规划问题的研究已经逐渐深入。概率规划器由于能够较准确地对不确定信息进行定量描述,已经得到人们的高度重视。Blum和Furst提出了图规划框架下的概率规划算法——Probabilistic Graphplan(PGP)。多Agent环境中,各个Agent协调合作共同解决用户的问题。这种合作的存在是由于问题涉及的领域太广,单个Agent无法完成,或者问题要求具有不同知识或功能的Agent为最终解决问题服务。Agent间是通过通信来实现合作求解问题、解决冲突、达成一致的。一个Agent也许还要和其他Agent进行交互以满足其自身计划安排,可以通过协商或者对问题招标、委托任务实现交互。基于Agent的体系结构具有模块化、鲁棒性、分布性和其他一些分布式系统的优点,这使得Agent技术能够在计算机领域中得到广泛的应用。本文通过分析PGP,将多Agent思想应用于PGP算法,得到基于多Agent的概率规划器(MAPGP)模型,从而使MAPGP在速度上比以前的PGP有很大的提高。并深入讨论MAPGP的扩张过程、信息标记过程和解搜索过程。