随着计算机技术、通信技术、决策支持技术以及人工智能技术的发展和提高,群体决策支持系统的理论与应用研究已成为许多学科和人工智能交叉研究的一个热点前沿课题,是决策支持系统一个重要的发展方向。本文针对动态的、复杂的、不确定问题,以网络环境下基于多Agent系统的群体决策支持系统及协调器工作机制作为主要研究内容。论文首先介绍了群体决策支持系统的概念和发展历史,回顾、分析了与本文内容相关的研究工作进展和存在的问题,并引出了本文的研究内容。其次,针对目前基于多Agent系统的GDSS研究中多Agent采用集中式结构、协调复杂度较高以及群体决策支持系统应用范围有限等局限性,提出了一种新的、基于多Agent系统的群体决策支持系统通用结构框架,并进行了形式化分析与描述;然后,提出采用证据理论的证据合成作为协调器中决策Agent的融合方法;对群体决策支持系统的协调器进行决策融合过程中可能出现的情况进行了详细的分析,研究了证据的相关性及其在决策融合过程中的影响,提出了相关证据的处理方法;针对决策过程中的冲突问题,提出协调器采用基本信任指派二次分配的协调方法;针对决策过程中的矛盾,提出将决策过程分为学习和决策两个阶段,各决策者Agent根据有限的训练样本所给出的正确信息进行训练,消除决策者Agent之间的矛盾和修正决策者Agent自身的错误,从而保证合作决策阶段实现有效的合作决策。最后,对全文进行了总结和展望。