复杂系统不存在中央控制，可以研究从自然现象到生物，管理，经济，军事，社会等多个方面，已经被盛赞为“21世纪的科学”。复杂自适应系统（CAS）是复杂系统中最具代表性的一类系统，行为主体通过学习产生适应性生存和发展策略，导致复杂适应系统进行创造性演化。CAS的核心思想是“适应性造就复杂性”。复杂系统因为内部关联复杂，不确定，总体行为具有非线性，传统自上而下的研究方法不适合描述整个系统的特性。相反，利用自底向上的系统仿真方法则可以很好地解决该问题，目前，基于Agent的建模与仿真方法是公认的最具活力的研究复杂系统方法。竞争问题因其参与主体的多样性，竞争目标的多样性，竞争规则的多样性，竞争因素的多样性，是一个典型的复杂自适应系统问题，属复杂系统研究范畴。当前对竞争的研究一般是具体问题具体分析，针对某一个领域的竞争现象进行建模分析，宏观意义上的研究文献相对较少。另外当前不存在以竞争参与主体所获得的参考信息是否对等为根据的竞争分类法，而现实中确实存在如下区别：参考信息相等的主体在竞争中不存在任何沟通交流，完全凭借自身实力进行争夺。参考信息不相等的主体在竞争中存在沟通协商，比如招标投标竞争中所有主体可以获得的竞争情报是相等的，因此竞争过程不存在交流。而存在于消费者与供货者之间的利益竞争则由于供货者的竞争情报多于消费者而存在协商。复杂系统中的主体行为交互实质上是一个博弈的过程，因此本文以CAS理论和博弈学习理论为基础，将人工社团竞争按主体获得的竞争参考信息是否对等分为人工社团自由竞争和人工社团协商竞争，针对自由竞争和协商竞争主体的行为特点提出竞争增强学习和历史信念学习算法，利用竞争增强学习和历史信念学习指导主体在竞争系统中的行为选择。并在基于Agent的多主体建模与仿真方法的指导下建立人工社团竞争模型框架，模型包含资源分配和添加机制，竞争机制，奖惩机制和学习机制，在竞争模型的基础上构建人工社团自由竞争和协商竞争模型框架。最后通过两个实例模型验证人工社团自由竞争模型和人工社团协商竞争模型的可行性和正确性，在仿真平台Swarm上的仿真结果验证所构建模型的可行性及相关学习算法的有效性。构建的模型框架适于分析普通意义下的竞争问题反映一般情况下的竞争情形，可以为竞争主体的行为选择提供有价值的参考意见。