论文在总结国内外多Agent系统理论与多Agent协作问题求解方式的基础上,重点研究了基于合同网协议的多Agent系统的协作机制,利用未知环境中具有同等条件下的单个“猎物”的“捕食者-猎物”模型进行了仿真研究和验证,并研究了提高“捕食者-猎物”问题中的协作抓捕效率问题。论文的主要工作包括:1.提出了基于k-均值聚类算法的合同网协议协作模型分析了合同网协议协作方法的基本原理、完成任务分配的一般步骤、特点以及存在的不足。针对容易造成通信负载问题的任务公告和投标两个步骤,引入k-均值聚类算法,设计了基于k-均值聚类算法的合同网协议协作模型,有效解决了传统合同网中当系统参与者增多而造成的通信负载问题,并在Swarm仿真平台上建立的“捕食者-猎物”系统,进行仿真研究,仿真结果验证了理论分析的结果。2.引入Q学习算法提高“捕食者-猎物”系统协作抓捕效率针对“捕食者-猎物”系统仿真中出现的协作抓捕效率问题,在考虑到属于完全协作型多Agent系统的“捕食者-猎物”系统可以直接应用与单Agent类似的强化学习的前提条件,以及单Agent强化学习中的Q学习算法无需考虑环境模型的优点,选择Q学习算法来作为Agent的学习算法。设计了“捕食者-猎物”系统中“捕食者”Agent的Q学习算法,仿真的结果验证了“捕食者”Agent在采用该算法后能够获得最优控制策略,可以有效提高协作抓捕效率。