随着计算机网络、计算机通讯等技术的发展,Agent以及MAS的研究成为分布式人工智能研究的一个热点.特别是现实中的系统往往异常复杂、庞大并呈现出分布式特性,单Agent因为个体所拥有的知识、计算资源的限制而力不从心,因此对多Agent的研究迅速发展.该文探讨对Agent的体系结构,以提高多Agent系统整体性为目标,提出了联盟形成和规划算法.多Agent系统并不限制为一个单一的问题求解,分布式人工智能的智能体现在多智能主体有效协作达到共同目标的能力上,多智能主体协作与协商问题是Agent系统研究的核心问题之一.多Agent系统中,具有不同目标的各个Agent必须对其目标和资源使用进行协作,因此多Agent系统研究的中心就是参考经济学和社会学的有关理论和模型来处理多Agent之间的协作.该文讨论了多Agent系统的协作模型和模式以及协作流程,通过公开招标-投标等方法,在促进Agent之间合作的同时,引入Agent之间的竞争机制,并就一个协商问题,给出了Agent之间协作和协商过程的伪码描述.Agent间的协作是保证共同工作的关键,协调与协作是多Agent系统研究的核心问题之一.该文分析技能矩阵、冗余度等参数,基于这些参数设计了Agent联盟的形成策略-分别基于SIH和基于权的选标机制,并对系统性能作了分析,并详细描述了多个Agent协作执行一项任务的工作流程.同时通过对基于多边协作算法和基于域的协作算法的研究,给出了一个改进后的协作算法,此算法平衡了协作效率和降低系统开销这两个指标.基于这三个算法,同时给出了对这个两个指标进行对比拟合曲线.