在大规模复杂的MAS系统中,多Agent之间的协调、合作显得尤为重要。联盟机制是Agent之间合作的一种重要方式,Agent间通过组成联盟可以提高解决复杂问题的能力,其中联盟生成是联盟机制首要解决的关键问题。联盟生成主要研究在多Agent系统中动态生成面向任务的最优联盟。本文通过对传统的基于联盟结构的多任务并行联盟问题的分析,指出其在联盟能力资源利用方面的不足,提出从更小参与者粒度构建多任务联盟生成模型;引入离散粒子群算法(DPSO)求解多任务联盟生成问题,并对粒子群算法作了创新性地改进;最后通过实验验证了本文算法性能的优越性以及改进的联盟生成模型的合理性。本文研究的主要工作内容如下:首先,通过对基于联盟结构的多任务联盟进行分析,指出由于限定Agent最多只能加入一个联盟,导致任务联盟能力需求冲突以及Agent能力无法更好优化分配等,产生联盟能力资源剩余问题,进而提出一种依据类别的Agent能力分解策略,通过引入子Agent,从更小的联盟参与者粒度角度构建联盟生成模型。其次,引入离散粒子群算法求解联盟生成问题,通过对粒子运动轨迹的分析,首次指出粒子搜索的发散性是离散粒子群算法求解质量不高的主要原因。通过对粒子运动方程的修正(包括粒子的速度变化方程以及位置状态转移方程),提出一种改进的离散粒子群算法。在此基础上给出多任务联盟生成问题的求解算法,包括粒子的编码规则,粒子初始化策略以及粒子进化控制策略等。最后,通过实验进行模拟验证,结果表明本文改进的离散粒子群算法能够有效地降低了粒子搜索的发散性,相较于其它算法,联盟求解质量获得较大地提高;此外通过传统的联盟生成模型以及本文改进模型实验比较,得出本文模型有效地降低联盟能力资源的浪费,提高了多任务联盟的收益。