基于多Agent系统理论，构建了一个多Agent机组优化组合系统。对于问题优化模型，提出了一种新颖的多Agent遗传算法，解决了大规模遗传算法的效率问题。对于机组的非线性耗水量特性，提出了一种由Agent动态地管理与维护的神经网络。基于与FIPA兼容的多Agent中间件JADE平台，给出了一个详细的具体实施系统。仿真结果验证了所提出的优化模型与实施方案的合理性和可操作性。