多智能体系统的诞生和发展是分布式人工智能技术和网络技术发展的必然结果。多智能体系统的研究近几年来已经成为基于网络的分布式人工智能的研究热点。其研究的核心问题是一组自治主体间智能行为的协作与协调。合同网协议是由Randall Devis和Reid G．Smith针对任务和资源分配提出的协调策略。基于合同网中任务的产生、分配、管理者及合同者的产生均是动态的，灵活性好，它已经成为多智能体系统协同设计中的关键技术。但经典的合同网协议忽略了主体之间可能存在的矛盾，未考虑冲突的识别和消解，而且，由于所有承包商都可以参加投标，管理器必须评价大量的投标书，合同网通信开销和资源占用都较大。针对经典合同网协议中的不足，许多研究人员对它进行了改进。但大多数研究集中在对静态环境下合同网的改进。而多智能体系统开放性、动态性特征，要求合同网协议用于解决动态环境下的协同问题。因此，动态合同网协议的研究成为合同网研究中最重要的问题之一。本文研究了多智能体系统的开放性、动态性特征、经典合同网协议及蚁群算法中的阈值模型，考察了几种经典的改进方案的优缺点，完成了以下工作：1、通过对经典合同网协议的研究，分析了几种典型的合同网改进方案。大多数研究集中在对静态环境下合同网的改进，而多智能体系统开放性、动态性的特征，要求合同网协议用于解决动态环境下的协同问题，因此，对动态合同网的研究具有重要意义。2、通过对蚁群算法的系统学习，重点分析具有分工特性的自适应蚁群算法中的阈值模型。基于该模型的社会性特征，本文引入此模型，提出了基于多信息素的动态合同网协议。大量实验数据表明，基于多信息素的动态合同网协议与基本动态合同网协议相比，在运算时间及通信量上都有明显优势。3、对基于多信息素的动态合同网协议的研究发现，为多智能体系统中的个体设置适量的缓冲池，可有效提高系统完成任务的效率。同时，大量的实验数据也对此进行了证实。4、多智能体仿真工具的研究比较。本文选用Repast平台作为本文的仿真平台，通过对Repast平台的扩展，建立基于多信息素的动态合同网模型，并进行大量相关实验。实验数据表明本算法的可行性和基于多信息素的动态合同网协议在运算时间及通信量方面的优越性。