分布式制造调度强调协商性能和效率，但是由于现有协商机制难以对环境或历史信息进行有效利用、推理或预测，因此，集成机器学习方法的协商机制越来越受到学术界的关注。本项目旨在采用包括强化学习、基于事例学习等机器学习方法、智能体间协商机制以及形式化规范和建模技术来研究并解决面向分布式制造调度的基于学习方法的适应性协商机制的理论、建模、分析和应用。研究工作主要有：（1）集成强化学习的制造合同网机制；（2）基于事例学习的协商机制；（3）基于Stigmergic正反馈机制的协商机制动态自适应；（4）针对适应性协商机制的形式化规范与分析；（5）以一实际或实验室分布式制造调度模拟系统做适应性协商机制比较分析，并针对学习方法的关键参数作敏感度分析，建立协商机制工具集。本项目的研究扩展和完善了面向分布式制造调度领域适应性协商机制的建模、形式化分析和应用，对提高制造企业分布式制造调度的效率与效益具有重要的指导意义。