随着人工智能的发展,特别是分布式人工智能在大规模多Agent系统中的应用,系统中越来越多地表现出群体特征。此时单纯地研究Agent理论、构造及体系结构,已不满足要求,从而兴起了人工社会系统的研究。人工社会系统是针对多Agent系统集中式控制的复杂性和分布式控制的多Agent间的冲突而提出的新研究方法。该方法经历了从下线自上而下方法到更适合动态变化的上线自下而上建模方法的发展过程。在上线自下而上方法中面向群体智能涌现的多Agent系统全局协调,已成为目前人文和科技结合研究的热潮。本文则按照目前研究的上线自下而上方法,以研究多Agent系统中群体智能中一致性行为涌现的全局协调为目标,建立了多Agent系统形式化模型并详细分析了系统中对涌现有影响的各个要素和结构。主要工作如下:1、根据面向涌现全局协调的多Agent系统的发展,选择了适合本系统使用的群体智能形式化的数学模型和要素,确立了使用博弈论和信任度机制作为系统中Agent间交流所使用的涌现机制。2、在以往的研究中,Agent间一次交流策略的更改,大部分是根据Agent所在的客观环境(如:Agent拥有的资源,地理位置,社会地位的权威值等)的反馈建立策略更新函数,更改当前的状态。本文则使用随时间动态变化的累积信任度做为策略更新算法。同时使用静态完全信息的博弈矩阵作为决定信任度变化满意值反馈的衡量值。建立了基于博弈论和信任度的多Agent模型。最后通过实验验证了该模型在一致性行为涌现上的有效性,并和HCR算法比较了其涌现效率。3、通过对多Agent系统中对涌现有重要影响的因素的总结,本文的相关研究主要包括以下几个方面:a)W-S模型小世界网络中邻接度K、重连接率P对涌现效率的影响;2)B-A模型无尺度网络在涌现上的有效性及它和W-S模型小世界网络在涌现效率上的比较;3)对涌现产生的算法的研究,我们将信任度和权威值结合,作为策略更新参数,研究其对涌现的有效性,及不同侧重程度下的影响。4、在系统出现涌现现象,达到平衡后,使得一部分Agent改变策略,研究其平衡性。本文选择小世界网络上基于博弈论的信任度模型,在系统出现涌现达到平衡后,选择20%的Agents更改策略,进行实验,结果显示,我们的系统能很好地重新达到平衡。