随着信息化浪潮来临,医疗决策环境逐渐复杂化,医患共同决策（Shared DecisionMaking,SDM）作为一种增强医患沟通,减少医疗纠纷,提高患者依从性和满意度的医疗决策模式受到了广泛的关注。但医患沟通意识不足、医生诊疗时间有限、患者医学知识匮乏等问题的存在,使得医生和患者很难实现真正的共同决策。虽然法律法规建立、医生沟通技能培训、患者辅助决策工具开发等措施的采取,能够在一定程度上解决上述问题,但SDM本质上还是依赖于人工协商,存在代价高、耗时久、反应不及时等问题。此外,目前已有的SDM研究中,较少考虑智能化协商与辅助决策的实现。因此,为实现SDM智能化,提高医患共同协商和决策的效率,改善医疗决策质量,本文基于Agent协商技术,围绕SDM问题展开研究。（1）提出一种基于模糊约束Agent的SDM模型。该模型首先将SDM问题转化成Agent协商问题,而后根据SDM协商特征,将其建模成分布式模糊约束满意度问题。其次,提出了一个模糊约束导向的Agent协商（Fuzzy Constraint-directed Agent-based Negotiation,FCAN）模型,构建了医生Agent和患者Agent的协商行为框架,制定了Agent协商过程中所要遵守的协商协议,使其能在给定的约束条件下进行自动协商。最后,构建了一个治疗决策模型,该模型将协商结果与已有的治疗方案进行匹配,并将最合适的治疗方案推荐给用户,辅助医生和患者进行决策,更好实现SDM。实验结果表明,该模型能够作为医生和患者协商和决策的有效辅助工具,助力SDM的实现。（2）提出了一种基于遗传算法的模糊约束SDM协商模型。该方法首先基于遗传算法构建对手模型,通过协商的不断迭代,更新对手的偏好信息,包括权重偏好以及满意度偏好,获取对手Agent的近似偏好空间。其次,基于构建的对手模型对接收到的信息进行评估,提出一种基于遗传算法改进的模糊约束导向Agent协商（Fuzzy Constraintdirected Agent-based Negotiation based on Genetic Algorithm,FCAN＿GA）模型,优化Agent的解空间,以及协商策略,使其能在约束条件下高效地进行协商。实验结果表明,改进的FCAN＿GA模型可有效解决医生Agent和患者Agent在协商过程面临的信息不完全、不对称的问题,减少通信消耗,加快协商收敛速度,推进协商进程,提高Agent的协商效率。综上,本文所提出的基于模糊约束Agent的SDM模型,以及基于遗传算法的模糊约束SDM协商模型,有助于医生和患者之间智能化协商和决策的实现,可将医生和患者从繁琐的协商和决策事务中解脱出来,使得SDM更加灵活、高效和便捷。此外,本文的研究工作可在一定程度上解决SDM实施过程中所面临的成本高、时间有限、反应不及时等问题,为医患构建良好的沟通渠道,改善医疗决策质量。