任务分配问题是一种比较典型的组合优化问题。由于系统内外环境的变化不断，系统内成员能力的动态变化等，这些都可能给任务分配问题的求解带来困难。从理论上讲，任务分配问题是公认的NP难问题，因此如何建立一个有效的启发式算法或近似算法是研究的一个热门领域。　　 而蚁群算法是受自然界中的蚂蚁觅食行为启发而提出的一种新颖的仿生进化算法，适用于求解复杂组合优化问题。所以本文利用蚁群算法来求解分布式系统多任务分配问题。同时本文提出了逆转分配思想，即让蚂蚁代表任务的分配解，然后为每个任务选择任务的执行智能体，从而使蚁群算法能求解多智能体密集型的任务分配问题。多Agent系统(MAS)是研究如何使一个或多个实体不需要人的指导，以及通过相互协作、协调和协商和相互服务来完成用户所委托的复杂或繁琐的任务。　　 主要研究内容包括：　　 第一，建立了一种基于效用的任务分配模型UTAM，给出基于效用的任务分配问题的定义，然后分析了UTAM任务分配模型，并做了具体的数学描述。然后对UTAM模型进行了讨论和给出了如何应用这个模型，最后说明了UTAM的模型架构。　　 第二，针对基本蚁群算法计算时间较长和容易出现停滞现象的缺陷，设计一种随机扰动蚁群算法(antsystemwithrandomperturbationbehavior,RPAS)。对RPAS和基本蚁群算法进行比较，然后对仿真计算结果进行比较。　　 第三，基于RPAS构建基于蚁群算法的任务分配机制RPASTA。对基本任务分配问题进行了数学描述。然后，着重描述了基于蚁群算法的多智能体协调机制RPASTA。研究了RPASTA的具体分配过程、功能设计以及工作流程。并将蚁群算法和其他启发式算法进行了比较，最后利用仿真，根据仿真结果得出蚁群算法的性能要优于其他启发式算法的结论。　　 第四，研究了RPASTA任务分配机制的应用。给出了具体的系统分析与总体设计，包括实例简介、系统总体设计、实施步骤和开发环境等。