多接口多信道无线多跳技术如何利用所有可用信道来提升网络容量,已成为下一代无线宽带接入研究的热点。为此,本文引入多Agent技术,利用人工智能领域的协商和学习机制,设计信道分配和路由算法,以提高信道利用率,满足用户的网络容量需求。提出基于多Agent协商的分布式信道分配算法,通过路由器节点Agent之间的协商和决策实现网内信道资源的有效分配。设计响应Agent评估自身信道、接口以及邻居情况,生成对信道资源的竞争值;设计管理Agent根据多议题协商准则与响应Agent进行协商,以选择具有最优竞争值的响应Agent;通过网关Agent对系统状态进行评估来实现全局优化。设计效用函数评价采用不同网卡-信道组合时的收益,最后设计邻居-网卡绑定和网卡-信道绑定算法进行信道分配。提出基于亲和力和情感学习的路由算法,解决源发起按需路由协议在路由判据的实时更新,以及大量信息导致的选择过时最优路由问题。把影响路由选择的因素设计为最优路由和候选路由之间的亲和力函数;采用大脑情感学习方法,根据移动Agent获得的实时网络状态信息和Agent的情感值,对亲和力函数各因子的权重系数进行局部和全局规则更新,满足动态变化网络环境下路径的实时更新需求,从而优化路由选择,提高网络容量。最后,对仿真工具NS2进行扩展使其适用于多接口多信道环境。设计多种仿真场景,对本文提出的信道分配和路由算法进行性能评估,分析它们在吞吐量、延时和路由开销方面对网络的影响。