日益激烈的市场竞争中，企业在环境的动态变化和自身的能动选择下不断演化，才能生存和发展。企业模型是企业系统的抽象，可以用来分析企业的演化特性。目前，比较常用的企业模型受结构和运行机制等因素限制还是存在一定的僵化[1]，基于Agent的建模与仿真方法(ABMS)被认为是研究此类复杂系统的有效途径，是最具有活力的复杂系统建模仿真的方法学[2]。许多学者对基于Agent的企业模型的研究成果证明惯例在企业演化过程中起重要作用，但惯例只是对复杂现象的简略描述，难以把握进一步的特性。引入组织符号学中的规范，可以将组织环境和组织中的惯例、规则有机的结合起来，更好的描述Agent的主观能动特性。企业演化就是利用Agent的主观能动性，通过企业自身动态的行为选择实现的，其主要依赖于Agent对掌握知识的运用以及知识发现机制。基于遗传算法的学习分类器作为一种并行的、信息传递的、基于规则的、可进行规则自动更新的智能系统，为实现企业Agent动态的行为选择的实现提供了很好的支持。　　 论文研究课题来源于一国家自然科学基金项目，项目主要研究基于规范和多Agent技术的企业演化建模型和仿真。本文的工作只是此项目中的一小部分，结合规范和遗传算法的特性对企业Agent的智能机制进行了改进，主要研究内容如下：　　 (1)介绍了组织符号学中规范的概念，针对企业Agent交互过程中产生的冲突，采用了一种基于规范的企业Agent智能交互机制，在消解交互过程产生的冲突方面起到了一定的作用。　　 (2)为了实现信息域的观点下多层规范对Agent行为选择的共同约束，在分析了遗传算法的学习分类器系统的基础上，设计了多层级学习分类器系统，并提出了CNA(Classifiers，Norms，Actions)Agent智能决策模型。　　 (3)分析了自适应企业演化模型，对模型中的成员进行了设计，一定程度的提高了模型的重用性，并在智能机制的设计中利用了之前的研究。最后进行了对比仿真实验，证明了本文研究的企业Agent智能机制在企业演化中的适应性。