分布式人工智能是当今人工智能研究的热点内容。目前分布式人工智能在污水处理系统中的应用还不多见，且主要集中于Multi-Agent系统领域。 Juan Baeza等人[44]开发了一个基于Multi-agent体系结构的污水处理分布式控制系统。整个系统由工厂控制子系统，自动分析子系统，数据服务器子系统和KBS子系统等4个部分组成。从体系结构上分为现场控制层、数据层、分布式知识层和监管层4层。
工厂控制Agent由一台独立的PC机负责实施，实现监管各现场PLC、从探测器获取数据和一些重要过程参数（如溶解氧、污泥回流比等）的控制、并将相关数据传到数据服务器Agent等功能；分析Agent对自动分析子系统进行控制，以实现NH4+-N、NO2-N、NO3- N以及PO4-P的自动、可靠和长期稳定的测定，并将数据传给数据服务器Agent。分析Agent也由一台独立的PC机负责实施；数据服务器Agent管理数据库和维持各Agent间的通信，数据服务器Agent运行在一台SUN工作站上；KBS子系统由许多经验、知识的规则和程序组成，这些规则和程序分布在一系列的Agent中（如反应器Agent、沉淀Agent、泵系统Agent、有机物Agent、过程经济Agent、COD去除Agent、氮磷去除Agent、微生物Agent以及污泥龄Agent等），从而构成一个模块化、能重复使用和易于扩展的系统。该系统已在一个小型污水厂运行了3年，表现出优良的监测管理和决策指导能力。
T.Ohtsuki等人[45]研究开发了基于Multi-agent理论的污水处理智能化系统，并成功应用于一个实际的14
高效活性污泥工艺过程。在该智能化系统中，研究者设计了多个统称为专家模块（EM）的软件Agent，它们分别是模糊专家模块、模糊控制模块、ASM1理论模型模块和数据采集模块，人机接口模块等。系统采用“黑板”结构构建。“黑板”是一个抽象的数据库，一方面，各专家模块可随时从黑板上了解其它专家模块的信息，并取走所需信息；另一方面，各专家模块将自己的信息发表在黑板上，供其他专家模块参考，从而实现了各模块间的数据交互和协作。 ⑤  遗传算法在污水处理领域的应用 遗传算法(Generic Algorithm  ，GA)由美国学者 J.H. Holland 于 1975 年创立[46]，是一种解决复杂问题的有效的优化方法，也是 AI 的还不错新理论和方法之一。GA 通过模拟生物在自然界中遗传变异与生存竞争等遗传行为，让问题的解在竞争中得以改进(或进化)，以解决现实中的优化问题，是一种基于进化论中优胜劣汰、自然选择、适者生存和物种遗传思想的搜索算法。目前，GA 与模糊逻辑、ANN 的融合，使其在智能控制领域占有十分重要的地位。 遗传编程（Generic Programming，GP）是一种利用遗传算法原理自动编写计算机程序的全新方法。Yoon-Seok Hong等人[47]利用GP对活性污泥污水处理厂的动力学行为进行了模拟。结果表明通过使用进化模型，可成功模拟污水处理厂的动态非线性过程。S.Yagi等人[48]用基于遗传算法的模糊控制改善污水泵站的运行，在他们的研究中，由模糊推理和模糊控制规则决定泵的转速，并通过遗传算法的选择（再生）、交换和突变等遗传操作，自动改善模糊控制规则。