复杂解决问题要求多样的专家知识和多重技术。为了解决如此的问题，人的专家包括两个的复杂多代理人系统和自治代理人，在许多应用程序域被要求。最复杂的多代理人系统在开的领域工作并且包括各种各样的异构的代理人。由于代理人的异质和工作环境的动态特征，代理人的专家知识和能力可能很好没在这些被估计并且介绍系统。因此，怎么从人、自治的专家发现有用知识，为专家的能力做更多的精确评价并且发现解决到来的问题(“专家采矿”)的合适的专家是在区域ofmulti代理人系统的重要研究问题。在这篇论文，我们在混合多代理人系统为知识和专家采矿介绍一条基于本体论的途径。在这研究，本体论被雇用描述系统的知识。当系统处理到来的问题，知识和专家采矿进程被执行。在这条途径，我们在multi-agentsystems嵌入更自我学习、自动调节的能力，以便在发现多代理人系统的异构的专家的知识帮助。
