随着社会的发展，信息越来越成为经济、科技等各个领域赖以发展的重要资源。然而网络信息的爆炸性增长，加之因特网本身固有的无边界、动态性和多样性等特点，人们在网上查找自己所需信息的难度变得越来越大。搜索引擎的出现在某种程度上缓解了这个矛盾。但是，由于不同的搜索引擎所采用的算法和搜索范围各异，导致返回结果的重复率不到34％。如果想得到相对全面，准确的搜索结果，必须同时使用多个搜索引擎，在这样的背景下便产生了元搜索引擎，因此可以说元搜索引擎是搜索引擎技术发展到一定程度的产物。 元搜索引擎(Meta Search Engine)，被称为搜索引擎之上的搜索引擎，它是通过调用其他搜索引擎来实现搜索的一种网络检索工具。一般由三部分组成，即：检索请求提交代理、检索接口代理、检索结果显示代理。相对于独立搜索引擎，元搜索引擎一般没有自己独立的数据库，这就省去了收集和存储网页、建立和存储索引的工作，从而把工作重心放在搜索引擎的选择、检索请求的优化和检索结果的优化上。本文论述的重点也是如何针对不同用户进行检索结果的优化。 元搜索引擎通过一个统一界面，帮助用户选择和利用合适的搜索引擎来实现检索操作，并将所有检索结果按某种策略集中起来以统一的格式呈现在用户面前。虽然元搜索引擎增强了定位和收集信息的能力，但由于其检索结果数量大增，没有针对用户个性需求对信息予以优化重组，用户每一次信息检索被孤立地对待，割裂了其需求在一定时段内的相关性。为了解决这一问题，本文提出了一种基于Agent的元搜索引擎结果优化技术。 Agent是指能够自主地、连续地在一动态变化的、存在于其它Agent中运行的、且不断与环境交互的实体。广义地讲Agent是具有自主性、交互性和反应特征的计算机软、硬件系统。Agent的出现为解决信息过载、信息干扰、资源迷向和信息拥塞等问题开辟了新的途径。 考虑到Agent具有能够进行高级问题求解，可随环境变化修改自己的目标、学习知识并提高能力等智能特性。通过Agent的逐步学习，了解用户兴趣之所在，并以此为依据对元搜索引擎的检索结果进行过滤、合成和排序，这样经过优化处理后的检索结果必然能够更好地满足要求。本文详细论述了建立兴趣模型和实时更新兴趣模型的相关方法，以及如何利用兴趣模型对元搜索引擎的检索结果进行优化处理。