目前,随着人工智能技术的发展,理性智能体的单体以及协同工作成为越来越多的专家学者所研究的热点,其中理性智能体的BDI结构的研究受到广泛关注。传统智能体BDI研究多数侧重公式,定理的表达,缺乏形式化的表示,无法提供更加通用的知识提取与分析方法。本论文研究的主要内容是基于形式概念分析方法,将智能体BDI中的信念属性进行描述、表示,提出了面向智能体BDI动态信念生成、消除、更新的FCAB信念模型,构建了对已有知识库的深层分析与约束的复合型信念,实现了Agent信念集的合并,实验证明该模型能够在动态场景下有效降低信念生成时间,提高Agent协同任务的完成效率。本文的主要研究工作及成果如下:(1)根据BDI Agent信念的不同属性,将BDI Agent的信念进行分类。结合信念的知识属性,用形式概念分析方法对智能体BDI的静态信念进行表示。提出信念形式背景和置信概念格的概念,详述了信念形式背景的建立过程和置信概念格的构造过程。(2)建立FCAB模型模拟智能体BDI信念的生成过程。给出了适用于模拟信念动态生成过程的基于背景原子的概念格生成算法BAFCA。并将其和Godin算法进行对比。实验验证了BAFCA算法在模拟信念生成过程中的有效性。(3)用形式概念分析方法对知识型信念的约束、合并过程进行了形式化表示。在FCAB模型的基础上进行改进,提出了通过置信概念格的合并表示信念合并的面向复合型信念的合并FCAB信念模型。给出了改进后的合并算法。并用实验验证了其有效性。结果表明FCAB模型以及面向复合型信念的合并FCAB信念模型在解决特定问题时均有一定的优势。