随着互联网技术的快速发展以及多媒体数据在各行各业应用的爆炸性增长，文本、图像、语音、视频以及3D模型等各种形式的多媒体数据正在逐步成为网络内容的主体。目前，基于关键字匹配技术的搜索引擎不能很好的满足日益增长的多媒体检索需求，这就直接导致了互联网上多媒体数据处于一种无序状态，这种无序状态将极大的影响多媒体技术在各行业的纵深应用，因此，需要研究新型的基于内容的多媒体检索系统CBMR。 由于多媒体数据体积大、处理耗时，要在浩如烟海的网络多媒体数据中进行基于内容的检测是非常困难的，传统的集中式计算模式不再适合用于部署此类系统，因此，需要采取先进的分布式计算模式进行系统部署。移动Agent就是这样一种全新的分布式软件技术，它是一种可以自主的在异构的网络上按照一定的规程移动的独立程序，它可以携带自身状态和代码在网络中移动到另一环境中去，并在该环境中恢复执行。 移动Agent技术能很好的解决多媒体检索系统的分布式问题，然而，在有限的搜索时间内，搜索不可能遍历所有多媒体数据，如何在有限时间内最优化搜索结果仍然值得研究。最优搜索理论是二战期间发展起来的一门学科，最优搜索理论要解决的核心问题就是在总搜索资源有限的情况下，如何分配搜索资源使得成功搜索到目标的可能性最大或花费的搜索代价最小。利用最优搜索理论对CBMR系统进行优化，可以极大的提高搜索质量。 本文在研究国内外现有的基于移动Agent的资源检索系统的基础上，提出了适合用于仿真研究的基于移动Agent的CBMR系统的简化框架，该模型系统在Internet、企业内部网、P2P对等网等网络环境下具有较高的适用性。本文首次将最优搜索理论用于资源检索系统的优化，通过在系统中增加最优分派器进行移动Agent的最优分派，重点研究了使用最优搜索理论进行系统优化的方法，并对最优搜索算法的初始参数确定、动态参数更新以及具体实现做了深入研究，实现了一致最优算法。通过修改数据包结构和添加传输层代理对NS2仿真软件进行了扩充以实现移动Agent的仿真，并在仿真平台上Ⅰ进行了多次不同的实验，结果表明，最优搜索算法能极大的提高多媒体检索系统的PVR指数等多项性能指标，对系统具有切实的改进。