Multi-Agent系统(MAS)是多个Agent组成的集合，其多个Agent成员之间相互协调，相互服务，共同完成一个任务。它的目标是将大而复杂的系统建设成小的、彼此互相通信和协调的，易于管理的系统。各Agent成员之间的活动是自治独立的，其自身的目标和行为不受其它Agent成员的限制，它们通过竞争和磋商等手段协商和解决相互之间的矛盾和冲突。MAS主要研究目的是通过多个Agent所组成的交互式团体来求解超出Agent个体能力的大规模复杂问题。

定义

举几个简单的例子，鸟群、鱼群、兽群和菌落都可以被看成是多自主体系统。目前有许多数学家、经济学家和控制工程师正在对该系统进行深入研究。

MAS的关键问题是该系统中每个Agent功能的确定以及各Agent之间的协作，协商，交流。单个Agent的功能即该Agent的自主性，即该Agent所能完成的功能；Agent之间的协作即某个Agent将要完成的任务分配给其他Agent然后综合各Agent的结果将最后的结果输出给用户的过程；协商即Agent之间解决冲突并最后达到一致的过程。

之所以提到这些关于Multi-Agent系统的介绍，是因为它为今后的传感器网络发展提供了理论支持。今后的信息获取模式将由目前的信息获取系统具有固定的层次结构，变为下一代的信息获取系统根据任务进行自组织。随着人工智能和无线技术的进一步发展，传感器也将由智能传感器发展到多自主体传感器网络，以任务为中心，采用动态架构，从本地智能发展到网络智能。

由于多智能体的环境状态由多个agent的行为共同决定，本身具有不稳定性(non-stationarity)，Q-learning算法很难训练，policy gradient算法的方差会随着智能体数目的增加变得更大。

优势

Multi-Agent系统用于解决实际问题的优势，归纳起来，主要有以下几点：

1)在Multi-Agent系统中，每个Agent具有独立性和自主性，能够解决给定的子问题，自主地推理和规划并选择适当的策略，并以特定的方式影响环境。

2)Multi-Agent系统支持分布式应用，所以具有良好的模块性、易于扩展性和设计灵活简单，克服了建设一个庞大的系统所造成的管理和扩展的困难，能有效降低系统的总成本；

3)在Multi-Agent系统的实现过程中，不追求单个庞大复杂的体系，而是按面向对象的方法构造多层次，多元化的Agent，其结果降低了系统的复杂性，也降低了各个Agent问题求解的复杂性；

4)Multi-Agent系统是一个讲究协调的系统，各Agent通过互相协调去解决大规模的复杂问题；Multi-Agent系统也是一个集成系统，它采用信息集成技术，将各子系统的信息集成在一起，完成复杂系统的集成；

5)在Multi-Agent系统中，各Agent之间互相通信，彼此协调，并行地求解问题，因此能有效地提高问题求解的能力；

6)多Agent技术打破了人工智能领域仅仅使用一个专家系统的限制，在MAS环境，各领域的不同专家可能协作求解某一个专家无法解决或无法很好解决的问题，提高了系统解决问题的能力；

7)Agent是异质的和分布的。它们可以是不同的个人或组织，采用不同的设计方法和计算机语言开发而成，因而可能是完全异质的和分布的。

8)处理是异步的。由于各Agent是自治的，每个Agent都有自己的进程，按照自己的运行方式异步地进行。

通信和协调

Multi-Agent系统适合于复杂的、开放的分布式系统。它们通过Agent的合作来完成任务的求解，实现Multi-Agent系统的关键是多个Agent之间的通信和协调。

Multi-Agent系统多个Agent之间通信语言，最具影响力的是在ARPA主持下研究而成的ACL（Agent Communication Language）语言，它由KIF（Knowledge Interchange Format）和KQML（Knowledge Query and Manipulation Language）等组成。