在多agent系统(MAS)中，agent通过结盟的方式进行协商合作，是处理复杂分布式智能控制问题的重要途径。如何合理有效的形成均衡的联盟，并保证联盟趋于稳定，是联盟形成的重要课题，也是MAS中亟待解决的关键问题。关于联盟形成问题，传统的研究主要围绕非重叠联盟形成展开，然而非重叠联盟形成的本质只允许一个agent加入一个任务联盟，极易造成agent资源、能力的过度浪费，在很多实践的场合不能满足应用需求。基于上述背景，本文对MAS中的重叠联盟形成算法和效用分配问题展开深入的研究，旨在实现每个agent可以自由竞争任务，并能从根本上解决由此带来的激烈的资源冲突现象，为解决复杂系统中多任务决策问题提供理论依据。本文的研究内容及创新点如下：(1)对基于二维编码的非重叠联盟形成算法进行分析总结，指出Yang和Luo非重叠联盟算法中初始化编码、交叉算子、变异算子存在的问题，并举出反例，最后针对这些不足提出改进思想。(2)提出一种基于虚拟联盟的重叠联盟形成算法。该算法重点研究如何把一个无效的二维二进制编码修正为一个合法的编码，提出将有效联盟的剩余能力转移给一个动态的虚拟联盟，由虚拟联盟帮助解决其他无效联盟。实验结果表明，本文算法不会丢弃任何无效编码，在解决激烈的资源冲突时显得更加灵活有效。(3)提出一种公平的重叠联盟效用分配策略。在公平分配的原则上，运用讨价还价模型对多任务快速分解，明确各个agent在重叠联盟中实际贡献的能力值，根据实际贡献值进行效用分配。该策略可以将多任务有效分解，在系统总资源能力大于总任务需求的前提下，保证全部任务都能被完成，并且避免潜在资源冲突问题，满足效用非减的条件，在鼓励agent积极加入任务求解联盟的同时提高系统效率。