作为现代人工智能技术的典型代表，Agent和多Agent系统(Multi-agentSystems，简称MAS)成为人工智能研究实用化和分布计算环境下软件智能化的重要技术。Agent及人工智能技术的研究趋势是建造更有效的为人类工作的计算机系统，需要无人为干预下的系统具有独立操作能力以及在计算机系统与人或其他系统交互时，能够以代表用户最大利益的方式进行工作。这两种需求对传统的分布式系统提出了巨大的挑战。　　从根本上来讲，Agent研究面临两个基本问题：Agent设计问题以及社会性设计问题。这两个问题基本上涵盖了Agent领域的核心研究内容，包括Agent模型，MAS组织与通信，MAS中的协商与协作等内容。本文围绕着这些核心问题，提出了基于知识的Agent模型，构造了领域多智能体系统模型以及其中的协商、协作算法。主要包括以下内容：　　(1)基于BDI(Belif-Desire-Intesion)模型提出了一种基于知识的Agent模型。定义了基于本体的Agent内部的知识表示方式，保证了Agent内部状态描述的全局一致性，同时基于产生式的知识表示方法以及推理机制来完成规划。给出了Agent的生命过程描述及行为模式，并对Agent最为核心的智能行为控制机制-规划方法作了详细描述。该Agent模型既具有慎思型Agent的长期规划特点，又具有反应型Agent的特性，具有比较强的灵活性与通用性。　　(2)在经典合同网协议中引入了熟人联盟策略以及Agent信任度参数，提出熟人联盟生成算法以及信任度更新规则，应用于经典合同网协议中，设计了一种基于熟人联盟的扩充合同网协议，在保证协商质量的基础上有效的提高了协商的效率。　　(3)在熟人模型基础上，根据任务性质构造基于任务的Agent联盟，建立了基于任务联盟的扩充合同网协商模型。在联盟内利用优选初始群体、优选父代交叉以及Metropolis判别准则优化遗传算法进行子任务优化分配，提高了任务分配的效率，降低了通信代价。　　(4)提出了基于多边协商的联盟生成方法及联盟内基于共同规划的协作算法。利用基于多边协商的联盟生成机制有利于协商效率的提高，基于共同规划的协作算法有利于降低任务执行开销，结合两者优势构造了一个基于多边协商的协作模型，实验证实了该模型在不显著增加任务执行代价的基础上，有效降低了协作过程中的通信代价。　　(5)在智能体结构及协商协作研究基础上，围绕着农业智能决策的需求，构造一个具有良好可扩充性的、灵活高效的农业智能决策支持系统，为Agent在农业生产领域的应用构造了一个良好的架构。在其中设计了一种混合式MAS体系结构，以黑板作为信息交换手段，以联盟为单位组织多智能体系统，有利于Agent相互配合解决复杂问题，也能够有效的降低问题求解过程中的通信代价。构造了以本体论为基础的分布式知识组织与服务，通过将知识分层组织，可以有效的利用成熟的知识表示方法为系统提供支持。并将各类特定的知识服务用一个统一的接口进行封装与调度，降低了系统的耦合度，提高系统扩展能力。