E-Education的出现给学习者带来了革命性的变化,用户脚不出户,就可以享受到不受时空限制个性化的远程学习。一般来讲,在e-Education环境里,各种资源包括人、电子资源及应用典型地分布在不同的网络节点,这对如何有效地在如此动态、并发、不可预测的分布式环境设计一个自适应、个性化的智能e-Education系统带来了巨大的挑战。就目前而言,大多数e-Education系统的设计理论来源于目标主义,这种理念来源于传统的教室模型,使得大量的e-books出现在e-Education中。从学习者的角度来看,他们难以进行个性化的学习、有效的知识交流和共享和及时对等帮助。从教师的角度来看,他们缺乏一个有效的网上工作环境,比如,在课程内容创作,传授知识,准备试题方面,他们往往不得不进行大量耗时费力的重复工作,尤其是当他们缺乏计算机背景时,更显得不知所从。为解决上述问题,本文根据最新的教育理论,运用来源于跨学科的多种技术、理论、方法(包括多multi-agent, learning object, genetic algorighm, XML, J2EE等)提出了一个新的e-Education体系,其最终目的就是建立一个自适应的、个性化的构建主义学习环境,使得学生在其个人agent的帮助下能够有效地进行个性化的个人或集体学习,同时能够方便教师创作课程内容和组织,准备远程考试。为了有效地实现这一目标,本文提出了一个基于MAS的e-edcuation体系─MAGE。该体系由众多agent组成,这些agent通过合作、协商和有效的通讯执行不同的子任务,由此形成了一大规模的、复杂的、动态的、开放的、自我组织的多agent,多用户e-Education环境。特别地,我们关注下面的建模和应用研究:在课程创作方面,关键的问题是如何开发能够重用到多种背景下的学习对象并且有效地管理和共享。本文提出了一个新的MEEOCAS体系,包括它的概念模型提出和其中EEO概念的定义以及其内部结构和外部封装的模型。该体系使得课程内容和学习对象创作者能够方便地发现所需的EEO,同时支持EEO定购和发布等系统服务。在个性化,自适应学习方面,本文提出了一个集成框架,该框架的创新之处在于无缝地集成个人和集体自适应学习。就个人自适应学习空间而言,关键问题是如何根据学生以前的知识状态,学习偏好以及设计的领域模型提供自适应的学习路径和领域概念知识,为此,本文提出了一种基于领域模型的搜索算法;就集体自适应学习空间而言,本文的焦点落在如何设计对等帮助系统和动态地建立学习小组,就此,本文分别提出了相应的体系、模型和策略。在此体系下,由于学习者能够主动选择不同的学习体验,比如,他可以根据自己的需求,通过不同的agent,要么重新请求新的学习对象,要么请求对等帮助,或者要么自己组织以个学习小组进行有关知识点的学习和讨论。明显地,该系统具有构建主义的特色。在远程考试方面,传统的系统主要采用client-server模式,这种模式具有显而易见的缺陷,比如,灵活性、伸缩性差同时不能充分支持象自动测试产生、主观题的评估、离线考试,主动告示和考试各环节的通讯等功能。为解决这些问题,本文运用新一代的移动agent理论提出了一个创新的整体解决方案。该方案全方位支持在分布式网络环境下进行试题产生,分发,收集和评估。特别地,本文提出了一个综合运用遗传算法、移动agent和多agent试题产生体系(GAMASTP)。在该体系中,本文对试题模型ontolog、染色体的结构、以及适应度函数进行了合理设计,同时给出所有参与agent任务的详细设计及其状态图、顺序图和活动图。最后,为了验证本文所提出的体系、模型和方法的可行性和有效性,我们运用一个与FIPA兼容的agent中间件─JADE对部分模型进行了仿真和实现。首先,为了演示如何具体实现一个大规模的多agent系统,我们选择对GAMASTP原型进行了具体实施,这里面涉及到如何运用设计ontology,如何实现agent之间的通讯,如何设计agent行为以及如何在分布式环境中分布配置各种agent;其次,为了展示如何实现FIPA的交互协议,我们选择用户模型agent作为试验对象;最后,我们部分实现了本文提出的对等帮助系统模型。所有的仿真结果证明了本文所提出模型是可行的和有效的。