工作流技术对于推动企业技术进步和信息产业的发展起到举足轻重的作用,但是由于传统工作流管理系统普遍存在耦合程度高、灵活性低和缺乏智能性的缺点,己不能满足现代应用的需要。 进入新世纪以来,Agent日益成为使用频率最高的词汇之一,Agent技术成为当前计算机应用研究的一个热门领域,Agent技术为解决复杂、动态、分布式智能应用提供了一种新的计算手段。由于Agent具有自主性、交互性、主动性、学习性和移动性等特点,能够很好的解决目前工作流管理系统中普遍存在的问题,可以用来构造结构复杂、灵活、柔性、便于扩展、具有动态处理能力的工作流管理系统。 本文首先简要介绍了工作流技术和Agent的相关概念。然后将篇幅的重点放在基于对策论的Multi-Agent系统协商方法的讨论上,主要介绍了在知识不完备情况下的多个Agent通过交换信息形成Multi-Agent联合规划的协商算法以及无需通信的Agent自发协调算法。除此之外,本文还讨论了Multi-Agent再励学习的问题,提出了一种基于角色跟踪的群体Agent再励学习算法,并给出评价标准,提高求解效率。 最后实现了一个基于Agent的工作流管理系统以验证理论的可行性和实用性。