在分布式人工智能领域中,单个智能体已经无法解决日益复杂的问题,需要多个智能体协同处理,因而多智能体协同工作成为该领域的一个研究热点,其中一个关键问题在于如何建立一个可靠、有效的信息分发机制以完成多智能体间信息快速、准确地分发,实现信息的共享。然而,在传统的多智能体间信息分发机制中,每个智能体只会根据即时监听的信道状态自发地选择部分信道进行信息交互,这会造成对信道资源的浪费;同时,受限于有限的通信范围,智能体常常需要寻找合适的路径从而通过多路转发将信息发送出去,这使得信息在发送过程中面临很大的挑战,亟需对多信道选择与路由转发进行深入研究。为此,本文针对多智能体间的信息分发,主要研究内容如下:(1)针对信道状态感知结果的不确定性问题,建立一种离散时间马尔科夫信道模型,分析现有信道状态预测方法,采用隐马尔科夫模型(Hidden Markov Model,HMM)从参数训练、隐藏状态解码、联合概率求解这三个过程实现对信道状态的预测。(2)将所预测的信道状态组成信道状态列表以作为信道选择的依据,建立两过程的信道切换机制,包括在当前信道上重传以及基于自适应窗口调整策略的信道选择与切换,实现多个智能体在不同信道上进行信息分发。(3)给出多智能体通信网络中路由协议的基本要求,通过对蚁群算法的思想进行分析,指出其应用在路由协议上的优越性,给出基于蚁群算法的路由协议的设计思想。(4)针对蚁群算法中存在的不足,结合路径选择策略与信息素更新策略对算法加以改进,并利用该算法对路由协议进行详细的设计,包括报文设计、路由发现与更新以及路由维护,建立满足多智能体通信网络要求的路由协议。最后,对多智能体的主要模块进行设计,构建多智能体的仿真环境,分别对多信道选择以及路由转发进行实验,并分析其中主要的性能指标。结果表明,通过本文对多信道选择与路由转发方法的设计,多智能体间信息分发的有效性得到提高。