随着科学的进步，各国纷纷制定了脑科学的长久发展计划，越来越多的人力资源和物质资源投入到了脑科学的研究中。经过了20多年的研究和发展，智能体和多智能体系统已经成人工智能甚至是计算机科学的研究热点，并在广泛的领域中得到了应用。随着计算机技术的不断进步、云计算的不断发展，这种动态不确定的计算环境为智能体技术提供了展现舞台。脑机接口研究的不断深入，使得大脑和计算机之间的信息交互更加的密切。为了更好的协同配合，我们可以将大脑的生物智能和计算机的计算智能相结合，成为混合智能。智能体中心智状态模型、内部运行推理机制成为研究智能体的核心问题，是智能体技术的关键部分。　　本文在对已有智能体模型、智能体设计以及相关研究的基础之上，重点从动机、目标生成、目标动作序列规划对智能体进行研究。本文研究多智能体协同认知基本问题，建立动机模型，并在此基础上建立感知模型。单个智能体的能力是有限的，对于某些特定的问题，需要多个智能体协作完成，为此我们研究了多智能体的合作。当特定的目标建立之后，智能体需规划自己的动作。　　本文的主要工作和创新点总结如下:　　1.提出了NGI动机模型。　　动机是一种非常复杂的现象，根据我们承担的具体课题，我们提出了一个动机模型。N表示Need(需求)，G表示Goal(目标)，I表示Intensity(强度)。智能体不断的同外界进行交互，在交互的过程中会产各种动机。为了对动机更好的进行建模，我们将动机分为感知动机、适应性动机和合作动机。不同动机具有不同的重要性，为此，我们对动机对应的目标进行权重计算。　　2.提出基于智能体的ABGP协同认知。　　其中A表示Awareness（感知），B表示Belief（信念），G表示目标(Goal)，P表示Plan（规划）。建立动机模型，并对生成的目标进行规划。智能体所处的环境进行着动态的变化，为此，我们需要对其所处的外部和内部环境进行感知，将信息及时传输到智能体。重点将环境感知应用到实现型联合意图和维护型联合意图。智能体选择优先级别最高的进行执行，并从其情景记忆中选择动作序列，进行动作的规划。　　3.提出基于信息共享的多智能体协同。　　该方法通过采用信息桥接方式，打破了消息传输的二义性，方便了智能体之间信息的传输和检索。桥规则增强了知识库之间的互操作，使得信息可以按照我们预想的方式传输。在进行推理的时候，首先在智能体内部进行推理;在不能得出推理结果的时候，选择同时具有into和onto桥规的的候选智能体进行推理;如果不能得出结果，再选择三个智能体，其中一个只有into桥规则连接，一个只有onto桥规则连接，然后在选择一个智能体同时和这两个有智能体有连接，进行推理。