本文分析了制图综合的特点和难点，介绍了自动制图综合应该达到的目标以及目前的研究进展。提出自动综合系统是一种复杂适应性系统，针对它这种不确定性、不可预测性、非线性性的特点，尝试了使用多智能体系统(Multi-AgentsSystem简称MAS)对这个问题进行建模。　　 参考了AGENT项目中的方法，组织MAS的四个主要部分：地理对象、地图数据库、综合算法和对象的层次结构，并把用户的需求以约束的形式表示出来。用户只需提供做什么，而不需提供怎么做，agents间不断通过各种综合算法来交流，最终确定下相对最优的执行队列，完成自动制图综合的任务。屏蔽了底层综合算法的细节，使得用户只需提供少量初始设置即可完成自动制图综合任务。并且可以在框架中方便地加入综合算法和度量方法等相关领域的最新研究成果，提高综合效果。　　 在现有结构的基础上提出了Agent的规划和学习的方法。使Agent可以通过模拟退火算法和遗传算法在规划时扩大搜索空间，并根据实际数据的特点自动修改用户的初始设置，边学习边修改参数。　　 分别对点群、线和路网三种类型的数据用这种方式进行建模，设计出各自的约束，计算出综合之后的结果，并进行了对比和分析。　　 同时还描述了系统中用到的综合算法。介绍了作者提出的Voronoi图动态删除结点算法(用于提高点群简化的效率)、基于最短路径的道路选取算法(用于路网化简)、基于缓冲区生成的聚类算法(用于地理对象的聚类和Agent的分层表达)、用于检查线群拓扑关系的平面双扫描线算法和线群拓扑结构的生成算法(用于从原始数据生成有拓扑信息的路网数据)。