信息过载和资源迷向已经成为制约人们高效使用Internet信息的瓶颈。信息过载是指用户面对太多的信息难以及时地消化、吸收；资源迷向是指用户不知道如何确切地表达对网上资源的需求，也不知道如何准确有效地寻找资源。而个性化推荐系统能够根据用户的兴趣偏好主动推荐他所需的资料。它的出现解决了人们寻找信息难的问题，并且在电子商务中得到了广泛应用。目前有很多类型的推荐系统，每种推荐系统都嵌入了特殊的算法来计算两个相关对象的相似性。所以，这些推荐系统一般都只适用于一定范围的推荐应用，往往很难做到对所有情况的最优化，因此，随着推荐方法的数目的不断增长和用户兴趣的变化，我们认为最好的办法就是允许多种推荐方法同时存在，本文引入了移动Agent思想，提出了一个基于移动Agent的分布式个性化推荐系统架构——MABDPRS。该系统允许多种推荐方法同时为用户生成推荐，并能协同它们共同工作，从而能够弥补单一推荐方法的不足，满足多种推荐需求。另外，由于该系统是开放的、分布式的计算系统，新的推荐方法能够灵活地加入到系统中，使系统更能适应复杂多变的应用环境。论文首先提出基于移动agent的分布式个性化推荐系统的框架结构并分析了其运行机制，随后详细讨论了该系统中的几个关键技术。另外，采用本论文所提出的体系结构模型，作者采用JAVA语言在Aglet平台上设计实现了一个原型系统，并通过应用实例说明了系统达到了预期目标，验证了论文思路的正确性。最后是工作小结和未来展望。