面向智能体协作的自适应系统(Multi-Agent Collaboration System,MACS)的设计目的是使得Agent能够实时的响应环境的变化,有效的组织Agent共同完成自适应目标。其中Agent的规划和协作是Agent研究的两个重要方面,研究方法主要包括基于已知环境的逻辑推理和机器学习。基于已知环境的逻辑推理虽然考虑到了变化环境的动态规划问题,但是未知环境下的规划和协作问题却得不到解决。基于机器学习的方法虽然在未知环境下可以通过学习的方法来规划和协作,但是决策效率却没有基于逻辑推理的规划效率高。本文在Agent交互系统Jason和Ja Ca Mo的基础上,结合免模型强化学习机制,提出一种免模型强化学习的自适应Agent协作规划方法。针对ASL(Agent Speak Language)在未知和动态环境下的策略规划问题,首先提出了基于强化学习Q-learning算法来实现ASL模型中Agent的学习和规划。然后在基于Q-learning改进ASL决策最优规划的方法上,针对Ja Ca Mo中关于角色的任务最优分配问题,提出了基于广播机制的角色分配最优算法。最后运用Jason和Ja Ca Mo的改进模型在RCRSS(Robo Cup Rescue Simulation System)仿真场景进行了建模,比较了原模型与改进模型在RCRSS上的运行结果,验证了本论文提出方法的可行性和有效性。本文的研究具有以下创新点:第一,融合了ASL模型规则描述、逻辑推理和强化学习。针对ASL在未知环境下无法决策的问题,本文采取Q-learning算法来动态生成基于目标的最优动作序列,并将该序列用于逻辑推理,改进模型下的Agent既能适应未知环境的变化,执行任务的效率也高。第二,在Ja Ca Mo模型中,针对同角色内Agent的任务分配问题,提出在ASL中已经学习到的奖励值的基础上,对同角色类的Agent进行广播。因为每一个Agent存有其它Agent的奖励值,所以Agent在某一时刻可以选择执行任务的最优方式,整个系统的执行效率也能得到很大提高。