目前，网格计算、云计算、航天航空以及水电工程等大规模复杂系统的自动化运行程度不断提高，规模日益扩大，相应的复杂程度也迅速提高。然而这些大规模复杂系统在运行过程中，传感器、执行机构以及系统的内部元件都不可避免地会发生故障。一旦产生的故障不能及时被检测并修复，可能会导致整个系统的失效、瘫痪，引起灾难性后果，不仅会造成巨大的经济损失，甚至危及人身安全。因此维护系统的可靠性和稳定性对于大规模复杂系统能够良好运行尤为关键。实际上，大规模复杂计算系统现今的状态就好比一个人只有一个大脑却要管理整个身体所有复杂的功能，包括心跳、呼吸、血液循环等等。然而人类实际上并没有觉得有负担，研究这个仿生学问题可以发现，关键在于人类拥有一套完善的自主神经系统分担了自发管理身体机能的功能。本论文根据仿生学思想，通过模拟人的自主神经系统，结合大规模复杂系统的特点，建立针对大规模复杂系统中自主混合故障诊断和自主修复的实现机制框架。分别定义了仿生自主神经系统中神经元型代理、轴突型代理、周围神经型代理和中枢神经型代理的不同职能，提出混合诊断算法和自主修复算法，详细介绍了系统的运行机制；采用结果导向的诊断和修复机制，根据系统实时表现出来的症状来判断故障的安全等级、推测故障对系统可能产生的影响，并据此决定对故障进行诊断采取何种方式，最终根据修复策略对需要修复的组件单独进行修复，这与传统方式不同，无需对引起故障的部件进行测试和定位；通过不同类型代理之间的合作和通信，在本地代理无法完成故障诊断与修复任务时，将由邻居代理参与完成协同诊断和辅助修复，共同维持系统运行的稳定性和高效性。论文给出一个实例，详细描述了故障的安全级别判定、诊断方式选择与实施最终进行修复的全过程。最后，通过实验证明了基于Multi-Agent的混合诊断与自修复模型的可用性和高效性。