智能汽车是智能交通的重要组成部分，研究智能汽车对于缓解交通压力、提高驾驶的安全性和舒适性具有重要意义。智能汽车是计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术的高新技术综合体，先进的控制算法和智能决策算法对于提高智能汽车的性能具有决定性作用。目前，网络化已经成为智能汽车发展的主导力量，各类车内网络和车身网络在智能汽车中得到广泛应用，因此，研究联网条件下的先进控制算法对于提高智能汽车的性能具有非常重要的现实意义。本文研究基于移动代理的智能汽车控制，其基本思路是将传统的控制算法按照“当地简单、远程复杂”的控制思想拆分为多个控制代理，由多个控制代理在本地协作完成传统控制算法需要执行的控制任务，与此同时，利用远程的计算资源和存储资源完成控制代理的学习改造。具体内容包括：　　 首先，采用模糊规则设计智能汽车本地控制代理算法。在将汽车自动驾驶需要完成的控制任务划分成若干特殊子任务的基础上，采用模糊规则完成了巡航模糊控制代理、自适应巡航模糊控制代理和横向模糊控制代理的算法设计。在设计完成控制代理的基础上，通过基于规则的方法实现主导机制，该机制能够根据实际的驾驶环境选择合适的控制代理来控制汽车。　　 其次，研究智能汽车远程控制代理学习算法。在将汽车模型的微分方程离散成差分方程的基础上，分别推导出汽车横向模型和纵向模型的Jacob行列式，通过该Jacob行列式，可以导出系统第K步状态对神经网络控制器中各参数的偏导数，由此求得第K实际状态与理想状态间的误差函数对神经控制器中各参数的偏导数，从而获得各参数的学习公式。通过该方法，分别研究了巡航控制代理，自适应巡航控制代理和横向控制代理的生成机制。　　 最后，采用Petri网建立智能汽车控制代理本地一远程移动模型。在分析移动代理研究领域广泛采用的由0MG提出的MAF标准后，论文指出，建立智能汽车控制代理本地-远程移动模型首先必须明确移动代理和代理系统内部的任务处理过程。代理和代理系统的任务处理过程(生命周期)都以一般对象的任务处理过程为基础扩展而成。因此论文首先建立了一般对象的Petri网模型，以此为基础，分别建立了代理和代理系统的Petri网模型。在各子网建立好之后，为了描述代理在不同主机之间移动的全过程，论文将各子网合成，建立了统一的Petri网，在该网中，可以方便的分析Petri网的移动过程。