随着信息技术和网络技术的迅速发展，各类复杂系统的规模和复杂程度也在急剧增大,用MAS（Multi-Agent System,MAS）的理论和技术研究其网络结构和信息传播现象引起越来越多的关注和重视。这就需要解决大规模和高复杂度的MAS的求解效率和收益问题、MAS中的信息控制问题、MAS结构的自适应问题等，这些问题已经成为MAS领域的研究热点。传统的MAS研究大多是基于全局控制的思路，不适合解决大规模的MAS问题。基于结构决定功能的系统科学的基本观点，本文从MAS的局部结构进行分析，给出了一种基于局部信息的求解联盟结构的分析方法和算法，提出了一种从局部结构出发对MAS中的信息传播控制的邻居度的概念和相关应用。本文的主要工作包括以下方面：MAS中联盟数随Agent个数呈指数增长。因此，在大规模的MAS中，全局寻找最优联盟结构是不现实的。本文基于个体Agent的局部信息，以及系统整体收益，通过局部Agent之间的优势信息传递，给出了最优联盟结构的分布式求解算法。该算法在局部最优假设下，通过局部信息的指导，n个Agent在深度方向上自顶向下对联盟结构图进行并行搜索，个体只搜索部分联盟结构图，从而可以降低搜索量，缩短搜索时间。网络信息的传播和组织结构的调整是信息社会面临的新挑战，网络中假新闻甚至谣言的传播往往出现无序乃至失控状态，影响了网络的健康发展。挖掘和利用MAS中的结构特性，并应用于网络信息传播的规律发现与控制具有重要的意义。在具体的MAS中，局部结构更容易获取，并且对局部节点的行为也有更重要的作用，本文基于以单个节点为中心的两层邻居网络，提出了邻居度的概念，分析给出了邻居度在复杂网络中信息的传递控制、MAS中的结构自组织、MAS结构划分以及系统的鲁棒性等方面的应用。