随着智能体理论与技术的发展，多智能体系统在科学研究、互联网、生产控制、金融服务、企业管理等诸多领域中有了较广泛的应用，但在执行效率和效果上依然存在很大的提升空间，而面向多智能体的任务分配问题是其中的一个重要因素，这也成为目前研究的热点之一。因此，针对多智能体的任务分配策略的研究逐渐呈现出日益重要的理论意义与现实价值。本文主要研究内容如下：　　 (1)针对面向合作型多智能体的多任务分配策略问题，探讨了其基本的工作流程，并在此基础上构建数学模型，并以其中的一些重要性能作为目标函数，以便于进一步对任务分配策略问题的研究。　　 (2)针对面向合作型多智能体的任务分配模型，分析了粒子群算法在求解上述问题的可行性，并从理论分析的角度做了比较深入的探讨和仿真实验分析。将所要考虑的两个目标有机地归结成一个目标函数，从而将多目标优化问题简化为相对简单的单目标优化问题。通过编程仿真，分析标准的粒子群算法和改进后的粒子群算法在求解该问题上的优劣。　　 (3)在改进的单目标粒子群算法的基础上改进多目标粒子群算法，并将其应用于面向合作型多智能体的任务分配模型的求解中，并进行仿真实验。同时，测试标准的多目标粒子群算法在解决该组合优化问题的性能，比较两者的优劣，并不断调整各个系数，以找到较好的系数取值或取值规律。　　 (4)探讨了多目标混合粒子群算法在解决面向合作型多智能体的任务分配问题上的性能。在保留(2)和(3)中研究成果的基础上，引入遗传算法的交叉操作和变异操作，引入交叉操作以加强算法的适应性和精英粒子的搜索能力，引入变异操作以更有效地避免搜索陷入局部极值。　　 (5)针对面向非合作型多智能体的任务分配问题，在合同网协议的相关研究的基础上，受现在网上招聘和应聘现象的启发，探讨了一种基于聘雇机制的合同网协作模型。区分紧急任务和普通任务，在处理过程中突出双向选择和双重竞争的机制，对管理Agent和任务Agent分别引入主动搜索的理念，以实现任务动态的，快速有效的和优质的分配。通过这些方法，提升任务完成的效率和合理性，从而提高多Agent系统的整体效率。　　 最后，在总结本文工作的基础上，对面向多智能体的多任务分配问题的下一步工作重点和方向进行了展望。