多Agent系统是分布式人工智能研究领域的一个重要研究方向。Agent司如何更加有效地合作以完成单一Agent难以完成的任务,是多A gent系统研究中的一个核心问题,通常被称为多Agent系统任务合作问题,这也是本文的研究重点。近年来随着社会网络研究的兴起,多Agent系统由于其对自治主体系统建模上的优势及便利性,逐渐衍生出社会网络中多Agent系统研究方向,其重点研究具有社会网络特征的多Agent系统中的相关问题。当前,非可靠性是社会网络逐渐凸显的一个主要特征,社会网络中存在的恶意Agent在交互中采取的恶意行为对多Age nt系统任务合作的可靠性及综合性能会产生严重的劣化作用；同时非可靠社会网络呈现出的两种新兴结构特征：网络层次多重性及单向交互性,进一步给多Agent系统任务合作可靠性的保障及综合性能的优化带来了新的难题。本文以非可靠社会网络个体行为特征到网络结构特征的思路对该环境中的多Agent系统任务合作进行了系统性的研究。本文首先考虑到非可靠社会网络中恶意Agent行为特征(在任务合作中的资源虚报、违背协定等恶意行为)对多Agent系统任务合作性能的影响,分别从任务分配及任务执行(任务合作的组成阶段)角度进行了研究,提出了：·面向非可靠资源访问优化的自适应任务分配机制多Agent系统任务合作中任务的完成可以建模为任务对于资源的访问及获取过程。而恶意Age nt在任务合作中采用的资源虚报、违背协定等行为,会造成任务资源获取失败的情况,从而导致任务无法得以完成。因此考虑到该环境中由于恶意Agent导致的资源分布的可靠性异质问题,首先提出综合了社会网络连接权重调整及奖惩机制的自适应协商信誉模型；随后通过综合Agent资源可靠性评估结果及社会网络结构对多Agent系统任务合作的约束作用,对Agent的情境资源可靠性进行综合评估,完成自适应任务分配过程,从而实现对任务资源获取的可靠性及时间耗费的综合性优化。·基于非可靠资源优化重组的自适应任务执行机制在多Agent系统任务合作中,Agent可以在任务执行的过程中,通过调整自身的状态,来优化任务执行的效果。因此为了提高非可靠社会网络环境中任务执行的可靠性及综合性能,提出了Agent分裂融合方法,其能够使Agent根据任务执行的情况通过分裂融合的方式自适应地调整自身的状态(资源、连接等),完成对系统中资源的优化重组;最终通过可靠资源的聚集效应,实现对多Agent系统任务执行的可靠性及收益的综合性优化。同时以上两种机制还可以融合形成综合性的多Agent系统可靠任务合作方法,能够在非可靠社会网络环境中获得更佳的任务合作成功率及综合系统性能。随后,本文在考虑恶意Agent行为特征的基础上,进一步考虑非可靠社会网络的新兴结构特征,网络层次多重性及单向交互性,对多Agent系统任务合作的可靠性及综合性能的影响,分别提出了：·适应非可靠多重网络环境的自适应任务分配机制网络层次多重性是一种新兴的社会网络结构特征。在具有网络层次多重性特征的非可靠社会网络中,除了恶意Agent行为会导致任务的资源获取失败,各网络层次在对不同类型资源获取的可靠性及耗费上的差异也会极大的影响任务合作的可靠性及总体性能。因此首先提出了适应网络层次多重性特征的自适应综合信誉模型,在考虑Agent、网络层次对于资源获取可靠性的基础上,综合网络层次多重性对于资源获取耗费的影响及对任务合作的结构约束,分别提出了面向该环境中可靠性最优目标及综合性能最优目标的自适应任务分配机制。这两种机制均可以完成该环境中任务分配行为的自适应,实现该环境中资源获取可靠性及耗费的优化,同时还能适应不同的系统优化目标。·考虑单向交互非可靠性的自适应任务传递机制单向交互性是另一种近年来新兴的社会网络结构特征。在具有该特征的非可靠社会网络中,Agent间的任务合作表现为任务传递的形式；而恶意Agent在任务传递中所采取的信息篡改行为,会导致任务在资源上的获取偏差,从而降低系统任务传递的综合性能。同时在该环境中,Agent间双向交互的缺失还会造成可靠性评估的难题。因此重点提出了能够适应单向交互性环境的“从路径到个体”的可靠性评估模型,其能够利用任务传递信息生成路径证据空间,并通过路径证据空间的转换,完成对个体可靠性的评估。随后以此为基础提出了适应该环境的自适应可靠任务传递机制,能够自适应地对任务传递的路径及过程进行控制,有效降低了任务传递中恶意行为的数量,从而对系统中任务合作的质量进行了有效地优化。综上所述,本文针对非可靠社会网络中多Agent系统任务合作问题,从非可靠社会网络中的个体行为特征到网络结构特征进行了系统的研究,提出了能够适应该环境各种典型特征的自适应任务合作机制,有效解决了该环境中多Agent系统任务合作的综合优化问题。