研究多主体系统中，具有简单行为与相互作用的微观机制导致宏观集体行为涌现的成因，以及从宏观集体行为分析多个体的微观相互作用机制。研究具有学习功能的多主体系统，异质性个体如何由同质个体演化而来的对称性破缺过程。研究agent交互的信任与信誉机制。本研究方向还包括演化算法的算法复杂性研究。

集体行为的微观机制：

合作行为集体涌现行为的一个典型表现，广泛存在于实际系统中。我们研究建立了agent协作与分工的演化模型，提出了相应的agent分工描述指标和演化规则，归纳出了可以涌现出分工的对称破缺微观机制；同时我们还从人类行为实验角度出发研究具有竞争的合作演化模型框架，描述agent之间竞争与合作的衡量指标和演化规则，进行基于agent的模型模拟，其中特别关注信息共享程度对宏观集体行为（合作形成）的关系研究。

复杂适应性系统：

信任与信誉的建立，是多主体系统适应性的突出表现。同时，Agent集团在信任信誉机制方面的研究，也是P2P系统中重要的问题。我们研究考虑整体分布的多个体系统的信任与信誉机制。在P2P系统中引入利用整体环境信息的方法，考虑整体信息无标度性的分布特点。研究发现考虑整体系统信息的机制，具有比原有机制更好的性质，并更符合实际系统对信任与信誉机制的要求。——

演化算法：

演化算法是一类模拟自然界遗传进化规律的仿生学算法，它既可以处理整体搜索和优化问题，又是研究系统演化的重要方法。我们研究演化算法的算法复杂性。已有的演化算法收敛复杂性的研究均使用期望首达时间。作为平均量，期望首达时间实际上损失了很多针对收敛时间分布的信息。我们引入了概率意义上近似收敛的概念，将可以给出整个时间分布。作为对期望首达时间弱点的补充，我们将之应用于多个可以分层计算的演化算法求解问题。