信息获取是信息处理过程中一个重要研究内容，获取到的信息数据精度越高，越有助于提升整个系统的效率。高精度数据可以通过两种方法获取，一种是采用高精度的仪器，该方法的研究和使用成本高，且极可能遇到技术瓶颈；另一种是使用多个低精度的仪器进行监测，然后通过算法进行融合，获得综合信息，该方法需要对多个探测仪器进行有效管理。根据实际需求，本文对信息探测的研究采用后一种方法，将每个探测节点抽象为智能体，探讨了多智能体的协同组网技术。首先对多智能体的结构进行建模，描述智能体应该包含的内容，同时为协调智能体的行为，对任务分配和路径规划进行了研究，最后通过仿真演示验证系统的功能。所完成的主要工作如下：(1)对Agent进行形式化表示，包含Agent的各种属性，并对它们的行为进行定义。根据Agent在系统中的层次，构建具有不同结构的Agent；为实现Agent之间的协同，对Agent的通信语言进行研究，扩展了其通信原语以满足应用需求；(2)目前多Agent任务分配中广泛使用合同网算法，然而该算法存在通信量大、动态效果差等不足。针对算法中存在的问题，提出了一种改进的合同网算法，通过引入负载均衡度和任务信任度两个因素，限制任务的公布范围并修改对Agent的评价策略，从而提高多Agent系统任务分配效率；(3)设计并实现了多Agent的协同算法，采用人工势场法对Agent的路径规划问题进行了研究，使正在执行任务的Agent的路径达到最优；为使Agent在运行中不断优化自身动作，探讨了Agent的学习算法；(4)完成基于Netlogo平台多智能体信息探测的仿真验证。首先对Agent环境进行构建，然后添加各种Agent，定义其中的属性、功能并初始化MAS系统，任务和Agent个体在系统运行过程中可动态添加。实验验证了上述所提方法的有效性，最后分析了研究中存在的不足，并指出进一步值得研究的问题。