人工智能自20世纪50年代诞生起就受到广泛关注,到目前为止国内外许多著名高校均成立了专门研究人工智能学科的研究机构。多门学科的技术在人工智能有所应用,因此,对人工智能的研究具有一定的挑战性。伴随着计算机技术的发展和全球信息化大潮的推动,人工智能的研究课题和应用领域也在不断扩展。Agent(智能体)作为人工智能理论的一种相对较新的软件模式,将人工智能理论引入到分布式系统的主流领域。国内已经有人运用Agent技术构建了空中交通运行仿真系统,但侧重于构建Agent之间的通信协作关系,并没有从逻辑层面对Agent进行深入建模。针对空中交通仿真系统中的管制员Agent建模问题,本文分析了管制操作行为特点,采用最流行的Agent模型——BDI模型,建立了基于决策树模型的管制规则知识库,设计了慎思型管制员Agent。基于Jadex平台,构建了管制员Agent模型,将由JADE平台建立的航空器Agent和模拟空管自动化系统Agent与Jadex平台建立的管制员Agent进行通信与协调,通过仿真系统构建仿真场景并验证管制员Agent的BDI推理过程,实现了对管制员的日常指挥行为的模拟。同时,考虑到在某些情况下,Agent的先验知识并不完善,需要学习功能对其进行补充,因此,本文提出了管制员Agent的学习行为,并运用Q学习算法对其进行编程实现并对学习效果进行分析。实验结果表明,本文所构建的管制员Agent模型可以顺利进行BDI推理过程和学习行为并对飞行冲突进行探测与解脱,证明了本文构建的BDI模型和学习行为的有效性与合理性。