随着计算机网络、计算机通讯等技术的发展，Agent以及MAS的研究成为分布式人工智能研究的一个热点。特别是现实中的系统往往异常复杂、庞大并呈现出分布式特性。当多Agent系统越来越复杂的时候，不得不考虑整个系统的负载均衡的问题。本文探讨如何在并行计算系统的操作中，使任务的分配执行达到最优或接近最优，最终使得整体效率最高。 本文首先研究了Agent系统的概念和模型结构，逐步分析了MAS的特点和相关技术。然后构建一个动态负载平衡的体系结构，并在此基础上采用分布式信息收集策略收集负载信息，并用集中迁移决定策略选择迁移目标节点。由于基于Agent系统的负载特征与一般机群系统不一样，它必须同时考虑运算负载和通信负载两方面的影响。本文用一个耦合度的思想在这两者之间做出一个折衷，并且通过实验证明了该想法的合理性。由于负载平衡本身是个组合优化的问题，并且机器人系统是一个时实系统，本文中采用模拟退火算法进行负载平衡计算来减少时间开销，并通过对该算法初始解的优化来减少运算复杂度。但是根据模拟退火算法的性质，只能得到近似最优解。因此本文又给出了优化解模拟退火算法，在模拟退火算法得到的解的基础上进行优化。并通过实验证明了该算法的优越性。 最后，本文对系统容错问题进行了初步的研究，创建了一个冗余结构，根据机器人系统的特点设定了合理的检查点，并针对故障的类型给出了相应的处理方案，对故障进行恢复。