在设计现实环境中的Agent时，BDI模型是一种常用的Agent体系结构设计方法。在该模型中，Agent根据它的信念来选择一定的愿望(目标)，作为它要实现的意图。由于现实环境通常具有如下的性质：动态性(Dynamic)、不可预测性(Unpredictable)和不确定性(Non-deterministic)等，这些性质使得Agent的意图不是静态的。例如，由于环境的变化使得当前的意图不再可能被实现时，或者Agent能从采用其它意图中受益时，它就应该进行意图再考虑。在BDI Agent中，决策由两个主要的活动组成：评审(决定要完成什么意图)和方法—目的推理(决定如何完成这些意图)。意图再考虑的过程就是Agent再次进行评审的过程。研究者们在处理评审问题时，通常都是使Agent对单个目标进行评审，通过某种机制来选择特定目标作为它的意图。本文从Overloading方法中受到启发，提出多目标集合的整体效用的概念，使Agent通过考察各个目标集合的整体效用来选择某个集合作为它要追求的意图集合，并用该意图集合来对Agent的行为进行合适的约束。基于这种方法，本文给出了具体的意图再考虑策略，并在TILEWORLD环境中用实验证明该策略的有效性和高效性。评审是一个潜在的计算量很大的过程，为了使BDI Agent能有效地运行，应当选择只在需要时进行评审；这就需要一个合适的意图再考虑策略，使得Agent能在运行时自治地决定是否进行意图再考虑。本文参考Schut等人的工作，以DDS方法为基础，把我们提出的整体效用和集合约束的方法与DDS方法整合在一起，给出了一种自治的意图再考虑策略。然后在TILEWORLD环境中考察该策略，实验表明，该策略有一定优越性。