在多Agent系统(MAS)得到越来越广泛应用的同时，MAS也遇到一些挑战，其中一个主要挑战是在没有全局控制的情况下，如何实现那些“各自为政”的Agent之间的交互。一种常用的解决办法就是利用协商模型来引导Agent进行自治协商。 目前，研究人员已提出了不少自治协商模型，但都存在各种各样的不足。例如，没有考虑在限时条件下的多议题自治协商过程中经常发生的协商僵局问题。 本文以智能电子商务中的自治协商为背景，首先给出了一个通用的双边多议题自治协商模型(ANMEC)，作为全文工作的基础。为了解决限时条件下的协商僵局问题，文中接着提出了优化ANMEC中的议题保留值向量的两种非Pareto方法和一种Pareto方法。本文最后将这些研究成果应用于作者自主开发的智能电子商务原型系统(IECPS)。IECPS也应用了作者在Agent与Web应用架构集成和面向Agent软件工程的研究成果。与同类协商系统相比，IECPS在功能性等方面具有明显的优势。 全文的创新点主要体现在： (1)提出了一个通用的双边多议题自治协商模型(ANMEC)。ANMEC能够方便地对协商议题、约束条件等内容进行形式化刻画；提供了较完善的协商效用评价机制；利用贝叶斯学习机制，使协商Agent具有学习能力；对传统的合同网协议进行扩充，作为双方Agent协商的协议；提供了三种协商策略。ANMEC具备了单调性、收敛性、理性和动态性等特征，囊括了双边多议题协商所涉及的主要方面，具有更强的实用性。 (2)提出了基于模糊逻辑与神经网络协同(CSFLNN)的协商策略，使得ANMEC中的协商策略增加到四种。CSFLNN是一种由模糊逻辑与神经网络深度融合的协同体，吸收了这两种计算智能的优点。与ANMEC中的其它三种协商策略相比，这种协商策略更符合人类在商务活动时的思维和常规，能同时获得更好的协商收益和协商效率。 (3)提出了一种基于最优的新型连续U一树抽象状态最佳分裂点选取方法(BSPBO)。经典连续U-树算法根据分布检验来确定抽象状态的最佳分裂点，但选取合适的置信阈值非常困难。通过定义抽象状态递归分裂必须满足的条件，BSPBO将最佳分裂点选取问题转化为一个最优化问题，然后使用Monte Carlo和ε-贪心策略方法求解所推导的数学模型。BSPBO规避了经典连续U-树算法中的置信阈值大小难以确定的问题。将使用这种新型方法的连续U算法(BSPBO-CUTA)应用于IECPS中，实验结果显示最终生成树表示的策略较好地解决了协商僵局问题，算法的性能得到明显增强，从而表明了BSPBO不仅是有效的，而且优于基于分布检验的最佳分裂点选取方法。 (4)提出了基于并发options的协商僵局解决方法。这种方法采用并行动态优化多个相关议题保留值方式，允许僵局议题保留值放宽更大的幅度。首先定义了与协商议题一一对应的马氏options，在此基础上，构造了可并发执行的不相干多option集合，然后使用扩展的SMDP Q-学习方法学习消解协商僵局的最佳策略。IECPS的应用实验表明了其协商僵局消解能力等方面性能均优于采用串行优化单个相关议题保留值方式的顺序options和Q-学习方法。 (5)提出了用于消解协商僵局的多目标粒子群优化算法(MOPSO)。首先将僵局议题相关的多个议题的保留值作为多个待优化的目标，并构建这种多目标优化问题的数学模型，其次定义僵局议题相关的多个议题的保留值与粒子的编码关系以及非劣最优解的选择标准，然后从粒子进化模型等方面对基于向量评价的粒子群算法(VEPSO)进行改进，使其扩展到两个目标以上的优化，最终形成了MOPSO。MOPSO利用粒子群的并行搜索，能获得多个Pareto最优解。通过IECPS的应用实验验证了MOPSO是有效的，其协商僵局消解速度快于前面两种方法。 (6)提出了一种新型的Java Web应用架构(ASSH)。ASSH整合了Spring、Struts和Hibernate三种目前流行的Java Web应用架构技术，也集成了Agent与Web应用架构。 (7)提出了一种构建MAS组织模型的方法。这种方法按照组织目标驱动过程，指导设计人员直接利用Agent/Group/Role元模型来构建面向Agent的抽象组织模型，是对Agent/Group/RoIe元模型的有益补充。