《复杂决策任务的建模与求解方法》对复杂决策任务的概念、分类以及求解方法等进插了系统阐述；在分析Agent模型、MAS系统分析、系统设计以及面向复杂决策任务系统MAS模型的基础上，研究了基于Agent的复杂决策任务系统的建模方法；在分析贝叶斯网结构和扩展模型的基础上，研究了面向复杂决策任务的贝叶斯网建模过程和方法；系统地研究了决策Agent及其任务规范分解的形式化方法、任务分析与优化分解方法以及基于遗传算法分解方法；研究了面向复杂决策任务地协同求解机制以及近似推理机制。
    《复杂决策任务的建模与求解方法》可作为管理科学与工程、决策科学、系统科学、控制工程以及计算机应用技术等学科高年级的本科生、研究生用书，也可供相关研究人员参考。

前言
第1章 绪论
1.1 复杂系统与复杂决策任务
1.2 决策任务的概念与分类
1.3 决策任务建模与求解的一般方法
1.4 复杂决策任务建模与求解的新技术
1.5 复杂决策任务的建模与求解特征与要求
1.6 本章小结
参考文献

第2章 基于Agent的复杂决策任务系统的建模
2.1 引言
2.2 Agent模型
2.3 MAS系统分析
2.4 基于组件的Agent框架和MAS系统设计
2.5 面向复杂决策任务系统的MAS模型
2.6 本章小结
参考文献

第3章 面向复杂决策任务的贝叶斯网建模过程
3.1 引言
3.2 贝叶斯网
3.3 贝叶斯网建模原则
3.4 贝叶斯网建模流程
3.5 建模流程分析
3.6 建模中的简化方法
3.7 本章小结
参考文献

第4章 面向复杂决策任务的贝叶斯网建模方法
4.1 引言
4.2 贝叶斯网结构学习
4.3 参数学习
4.4 基于ACO的贝叶斯网结构学习
4.5 知识和数据融合的结构建模方法
4.6 基于案例和规律推理的贝叶斯网建模
4.7 本章小结
参考文献

第5章 基于贝叶斯网的复杂决策任务的表示与分解
5.1 引言
5.2 决策Agent及其任务规范分解的形式化定义
5.3 任务规范的分解方法及其性质
5.4 任务规范的优化分解
5.5 基于遗传算法的贝叶斯网分解
5.6 本章小结
参考文献

第6章 面向复杂决策任务的协同求解机制
6.1 引言
6.2 多Agent之间协作的基本机制
6.3 基于博弈论的多Agent之间的协作
6.4 本章小结
参考文献

第7章 面向复杂决策任务的近似推理机制
7.1 引言
7.2 贝叶斯网的概率推理方法
7.3 基于联结树的贝叶斯网的推理结构
7.4 基于赋值代数的贝叶斯网概率推理的局部计算模型
7.5 多Agent之间基于Rough set的近似推理
7.6 本章小结
参考文献