本论文采用multi-agent的理论方法，针对复杂大系统中广泛存在的异质智能子系统，探讨了这类分布式智能系统在协作中所面临的问题，并就各子系统间如何在动态环境下进行协调控制等方面开展了初步的理论研究。 全文主要涉及到以下几方面的工作：（1）对于基于知识水平的agent交互问题，通过引入本体论的思想，建立统一的术语定义，并依据本体语言对概念定义的规范，提出通过采用OOP编程语言实现类似的概念定义。对于在构建multi-agent系统时常采用的KQML语言，建立了该语言的交互模型，分析了其同步和异步通讯模型，并给出了选择模型的依据。（2）基于对策论的思想方法，给出了针对MAS中任务协作联盟的构成算法，并分析了算法的复杂度和有效性等问题。该算法充分利用agent已有的经验和知识，并且具有符合multi-agent系统的分布式计算特性。（3）基于集覆盖的概念，将任务分配问题转化为集覆盖问题，提出了一种严格启发式的优化算法，并给出了该算法搜索结果的上确界。同时，针对子任务可分的情况，给出了另一种扩展的算法，并证明了算法的收敛性，给出了算法的时间复杂度。（4）针对multi-agent系统的可信度合成问题，提出了一种递归合成的算法，解决了已有算法的肯定和否定失效问题。该算法对于动态系统的结论合成问题，可充分利用已有结果，使合成算法具有实时性和合理性。（5）针对分布式的智能控制系统中各子系统间任务决策的协调问题，采用FCM建立了系统支持度的模型。在该模型的基础上给出了一种新颖的协调决策策略，并提出了multi-agent系统的协调控制稳定性的概念。（6）针对三层结构的供应链系统，应用MAS中的子任务分配优化算法以及反馈控制中的比例控制方法，对该系统的物流过程给出控制策略。同时，基于MAS中的本体论方法，采用Java语言编制了该供应链系统的仿真平台SCA。