在DPS中，当单个Agent不能完成任务，且任务不能分解或分解算法很复杂时，Agents必须形成有效的联盟来执行任务。与其他的最优化问题一样，联盟形成需要在复杂而庞大的搜索空间中寻找最优解或满意解，如果遍历整个搜索空间，就会产生搜索的组合爆炸，在多项式时间内无法完成搜索。常用的搜索策略有：穷举法、成员数目受限算法等等，但是这些算法都存在效率低下的缺点，在某种情况下甚至找不到可行解。针对这些算法的不足以及联盟形成问题的复杂性，我们提出了用遗传算法来实现Agents联盟的形成。 本文在全面分析和研究Agents联盟的结构和形式的基础上，将Agents联盟问题分为两种类型，并为这两种问题建立了数学模型。对于较为简单的不可分割的任务，Agents只要形成一个合适的联盟，文中提出了基于遗传算法的单个联盟形成算法。对于可分解的任务，并且子任务之间没有优先关系，Agents要形成多个联盟（联盟结构），文中提出基于遗传算法的联盟结构形成算法。由于遗传算法的隐并行性以及DPS系统的特性，我们在文中对上述两种算法的并行化做了研究，基本的思想是在粗粒度并行遗传算法模型的基础上提出一种基于Agents的并行联盟形成算法模型。