随着计算机网络、计算机通讯等技术的发展，Agent以及MAS的研究成为分布式人工智能研究的一个热点。特别是现实中的系统往往异常复杂、庞大并呈现出分布式特性，单Agent因个体所拥有的知识、计算资源的限制而力不能及，因此对多Agent的研究迅速发展。本文探讨多Agent系统的体系结构，以提高多Agent系统整体性能为目标，提出了联盟形成和规划算法，并通过理论研究和仿真实验得到了验证。 MAS的体系结构是Agent间的信息关系和控制关系，以及问题求解能力的分布模式。本文讨论了单个Agent内部的结构以及Agent群体结构，即单个Agent之间进行协调和合作的交互框架；以人类社会为范例，提出了层次模型，并在抽象的形式上对其结构加以借鉴进行构造。 Agent间的协作是保证共同工作的关键，协调与协作是多Agent系统研究的核心问题之一。本文提出技能矩阵、冗余度等参数，基于这些参数设计了Agent联盟的形成策略一分别基于SIH和基于权的选标机制，并对系统性能作了分析。多Agent系统根据任务通过有效机制产生联盟后，就要自主地完成各自的目标。本文从对策论角度出发，以有限自动机模型为工具，提出协作过程中的最优交互策略的求解并得到了理论证明。最后通过仿真实验，以动态环境中移动机器人的避碰研究为例，讨论了多Agent系统的规划问题。