对多Agents之间合作机制的研究是近年来分布式人工智能(DAI)领域的一个研究热点。Agents联盟就是系统中多Agents之间的一种重要合作方式，Agents联盟问题在DPS、MAS和对策论等领域中都是一个非常重要的问题。我们首先通过重新回顾和考察DAI的发展历程，简单地分析了DPS、MAS和对策论之间的关系，并对Agents联盟问题在DPS、MAS和对策论这三个不同的领域中的区别和联系作了粗略探讨，这对全面理解Agents联盟的概念和深入研究Agents联盟问题都是非常有益的。求解能极大化联盟值总和的最佳联盟结构是关于Agents联盟的一个全局性问题，在DPS、MAS和对策论这三个不同的领域中都有重要价值。但通常情况下可能的联盟结构的数目太大，以致不允许进行穷尽搜索而找出最优解。遗传算法(GAs)由于其优良的性能，已经成功地应用于求解那些传统方法难以奏效的复杂的组合优化问题。我们给出了一种求解最佳联盟结构的GAs算法，设计出了一种简单的一维自然数染色体编码结构和改进的均匀交叉算子以及启发式变异算子。与OBGA(Order-based Genetic Algorithms)算法相比，我们的算法具有更好的全局搜索能力，取得了更高质量的解，随着agent数量的增大，这种全局搜索能力更加显现出来；而且，由于我们算法的编码长度较短，所以大大降低了计算量，缩短了运行时间，提高了执行效率。在DPS领域中，面向具体任务或目标的联盟形成机制是一个非常重要的问题。然而通常人们都只考虑一个Agent只能加入一个联盟和一个联盟只能承担一个任务的情形，造成了Agents资源和能力的极大浪费。针对这种缺陷，我们提出了复杂联盟的概念，也即允许一个Agent加入多个联盟，允许一个联盟执行多个任务，并给出了复杂联盟的形成机制。与Shehory的方法相比，我们的方法大大降低了Agents资源和能力的浪费，增大了系统的总收益。