当今,分布式人工智能研究的一个热点是多智能体系统,它是分布式问题求解的进一步发展。随着多智能体理论与技术的发展,其应用范围也在不断扩大,但是多智能体技术的理论与应用研究刚起步不久,还有不少问题有待解决。其中,多智能体结构的改进是日后的研究方向之一本论文设计了基于遗传算法的多智能体电梯群控系统结构及其中各个Agent的功能,不仅缓解以往集中式群控器的计算任务量大,运算效率低等问题；而且还能够利用群控算法Agent来实现可重新派梯的多目标优化过程,具有更强的自学习与自适应能力,并能保证派梯的实时最优性。(1)本文回顾了多智能体系统的发展历史,指出日后多智能体理论及应用的研究方向,并介绍了Agent及多智能体系统的基本概念和特点,Agent的结构和多智能体系统的体系结构,多个Agent之间的协作协调方法,多智能体系统中的通讯以及多智能体系统的开发语言与工具等内容。(2)研究设计基于多智能体电梯群控系统结构与基于多目标优化的电梯群控系统结构并进行深入分析,对二者进行综合改进后,设计出基于遗传算法的多智能体电梯群控系统,将每台电梯设计为一个Agent,使每个单梯Agent自己能够进行局部协调规划,计算各自的综合评价函数,加强单梯Agent的独立自主性。(3)设计了基于遗传算法的多智能体电梯群控系统中交通流模块、交通流Agent、协调Agent、群控算法Agent等的结构及具体的工作流程。在无新的外呼梯信号产生时,协调Agent会启动群控算法Agent的遗传算法来进行派梯,这样不仅考虑到对系统4个目标的同时优化,而且实现了可重新派梯过程：而当有新的外呼梯信号产生时,使用典型的调度算法,通过各Agent之间的协作协调及交互来对信号进行初步派梯处理,并为可重新派梯的群控算法Agent中的遗传算法提供初始种群中的部分染色体,提高遗传算法的运行效率及自适应性。最后,对基于遗传算法的多智能体电梯群控系统进行仿真实验,与仅使用典型的调度算法相比,前者能够获得更好的综合性能指标。