随着信息技术和游客出行需求的不断提升,散客旅游市场蓬勃发展。与此同时,海量数据给游客筛选所需信息带来了困难,且散客群组内游客兴趣偏好不同带来的选择冲突也愈加明显,这些都是散客旅游推荐的研究难点。因此,本文将MAS(Multi-Agent System)技术和群组推荐技术结合起来,做了以下三个方面的研究:(1)MAS散客旅游群组推荐架构和CF-MAS协作推荐模型的构建;(2)群组推荐算法的研究与CF-MAS(Collaborative Filtering and Multi-Agent System)协作机制的分析;(3)旅游景点群组推荐系统的设计与实现。具体工作如下:首先,本文基于MAS,设计了一个通用的MAS散客旅游群组推荐架构,该架构由应用表现层、业务逻辑层和数据服务层三个部分组成,并以业务逻辑层中的推荐业务线为主,结合协同过滤算法,设计了本文的CF-MAS协作推荐模型。由于在MAS中,各层结构、各Agent之间需要通过通信Agent实现交互,故文中规范了通信的消息格式,并分析了推荐过程中MAS的通信结构。其次,在CF-MAS模型的基础上,本文重点分析研究了推荐引擎部分的群组推荐算法和CF-MAS的协作机制。通过对群组推荐关键技术的分析,给出了模型融合和推荐融合两种方法下的群组推荐模型,其中在相似度计算方面,引入游客相关性因子,提出了本文α-User-IIF的相似度度量方法,用来优化数据稀疏性、评分尺度不同等因素对推荐效果带来的影响。在MAS协作机制方面,本文提出将黑板模型的部分功能融合到合同网协议中,设计了本文各Agent之间的协作机制与冲突协调流程。实验证明,本文改进后的群组推荐算法,在单用户推荐和群组推荐两个方面都表现出了更好的推荐效果。最后,通过网络爬取西安市景点数据,在此基础上设计实现了西安市旅游景点推荐系统。通过平台群组发现、自助申请推荐等功能模块的实现,比较直观地展示出MAS技术和群组推荐技术在面向散客旅游领域信息化技术发展方面具有潜在应用价值。