在某一个时间段内,网络中某种系统可能存在大量的任务亟待并行解决,此时该系统就进入了高并发的处理状态。该环境中可能出现某些问题,即并发过程中需要频繁的切换上下文,容易陷入死锁、饥饿等状态。为了降低高并发所引发的这些问题出现几率,本文提出针对并发环境下的组件重用技术。为什么组件重用能降低高并发所带来的问题出现几率呢?由于某个系统中,多道组件在执行任务时,在等待资源时,可能处于长时间等待状态。此时决策组件(相当于计算机里的操作系统)可能会认为并发度不够,所以会创建更多的功能组件,导致系统里的组件陷入死锁状态。因此本文采用组件重用来减少其创建过程从而降低高并发环境带来的问题频率。Agent是近年来计算机科学领域的一个重要概念。在人工智能等领域为重要研究方向之一,具有重要的研究价值。由于其具有自主,自治,智能和一些与组件相似的良好封装等特性,则将其作为组件重用的研究对象具有较好的代表性。本文重点研究的是提炼出一种实时的软件里的组件重用模型,以降低高并发环境中发生问题的几率。并引用Agent技术来诠释这个重用模型。采用Agent组件重用技术在一定时间内应对某领域内大量高并发任务场景,节省了Agent组件资源,提高了系统效率。通过Agent技术这个媒介,来研究重用技术在并发环境下的作用。在重用模型中,如何通过任务需求来检索需要的组件是最为关键的一步。本文提出了两种检索模式,分别基于Agent逻辑和物理两种结构类型,来应对不同数据类型的任务需求。本文还介绍了基于线程池的组件存储结构,并通过建立索引来方便组件的检索,使重用机制更加健壮。不加索引会引起致命的性能下降就目前阶段研究而言,这属于通过优化减少对象的创建来减少高并发带来的问题。采用树结构的索引机制,以便更加快速的检索和调用可重用的Agent组件。本文最后选取临床医疗这个领域,对基于Agent技术的乳腺癌诊断决策系统案例实施Agent组件重用。来模拟一种未来可能出现的高并发情况,即某一时间内有大量的病人需要进行乳腺癌诊断,诊断决策过程中需要调用Agent组件在分布式网络环境下并发处理。决策步骤中,有很多都是相同的任务需求,此时可以利用组件重用来减少因Agent组件的过多创建所导致的并发问题。