随着信息自动化科技发展,各种硬、软自主机器人的应用领域正在不断扩大,从而对机器人的能力提出了越来越高的要求.一方面,自主机器人的应用环境正由传统的静态、确定环境向实时动态、不确定的环境转化;另一方面,随着任务复杂程度的提高,单个机器人往往难以独立完成任务,需要多个机器人协调合作共同完成任务.因此,面向动态不确定环境的多主体系统的研究已经成为了一个重要的研究领域.动态不确定环境下,智能主体的设计者所面临的一个主要问题是如何使智能体在动态环境中对系统环境的发展变化及时的做出合理的决策.在这样的应用领域中,传统的搜索和规划方法往往需要比较长的时间,很难满足实时性的需求;并且实时环境中不断发生的突发事件容易造成系统不断的重新规划,导致整个决策系统产生抖动.而单纯的反应式结构又使得智能体的设计过于复杂,难以实现.为此该文提出一种智能体分层决策结构模型,试图通过分层决策技术有效地解决动态、不确定环境中的智能体的实时决策问题.该模型的高层采用BDI结构,以便为较长期任务的规划和推理提供充分的支持;模型的底层采用反应式结构,以保证对短期实时任务的及时响应.实验结果表明了这种分层模型在某些复杂任务领域中的有效性.对多主体团队行为的计划识别也是多主体系统研究领域的一个重要课题.传统的计划识别技术通常都建立在待识别计划存在于一个预先给定的计划库的假设之上.对此该文提出一种不需要类似前提库的计划识别算法.该算法通过分析观测的事件帧序列之间的统计相关性来有效的发现待建模团队的合作模式.