贝叶斯技术和贝叶斯网络是人工智能中不确定性问题处理的一种工具。贝叶斯技术和Agent技术的融合形成了一个具有广阔前景的新兴研究领域。 多Agent系统的模型表示是多Agent系统中推理、学习、合作等一系列操作实现的关键。本文在对贝叶斯技术理论和贝叶斯网络模型进行了介绍和讨论的基础上,讨论了大知识域上多Agent系统模型的表示框架:多分片贝叶斯网络模型,探究了便于推理的连接联合森林的实现,并给出其上的系统信念表示以及实现推理的具体操作。具体工作如下: (1) 在分析动态贝叶斯网络结构的同时提出了1 1/2片联合树算法。此算法具有实现简单、不必限定消去顺序、只需作一次扩展等较好的特性;且通过实验比较,证明了此算法在运行时间、空间上要优于普通的扩展联合树算法和2片联合树算法。 (2) 由于大知识域的局部性,在利用多分片贝叶斯网络对大知识域上多Agent系统进行模型表示的基础上结合联合树的思想,探究了便于推理的连接联合森林的实现并对推理操作UpdateBelief进行了有效的改进。