多智能体系统
多个智能体协作或竞争的系统
条目
1
2
多智能体系统（Multi-Agent System，MAS）由多个具有独立自主能力的智能体（Agent）通过交互协作或竞争组成，具有独立自主性、灵活易扩性、协同合作性、群体协同性等特点。这类系统基于对自然界中生物群体行为的研究，如鸟群[5]、蚁群[6]和鱼群[7]，通过个体之间的信息交流共同完成任务。因此，系统中的每个智能体（Agent）代表一个可自主性地感知环境并对其作出反应以实现预定目标的实体，一般包含可感知周围信息的传感模块、可进行信息处理的计算模块以及可与其他实体交互的通信模块，具体可以是软件程序、机器人或其他具有自治性的实体。[8]
多智能体系统的发展历程经历了探索、发展和深化三个阶段。从1956年智能化思想萌芽开始[9]，到80年代分布式人工智能的兴起，智能体概念在1986年才被明确提出[10]，1989 年正式定义了多智能体系统[11]，这标志着多智能体系统成为一个独立研究领域。进入21世纪，在深度学习和博弈论研究的推动下，多智能体系统迅速发展，应用领域不断扩展，包括工业自动化[12]、军事模拟[13]、交通控制[14]等，同时在围棋、日本麻将等竞赛领域[15]也展现出创新性智能化水平。目前，研究热点集中在博弈论应用[16]、强化学习和系统一致性等方面[17]，但同时也面临诸多挑战，如安全性难题、故障检测瓶颈和任务分配复杂性等[18]。
概述
多智能体系统由一组自主性强、可交互的实体组成。这些实体具备通信、传感、计算和决策能力，通过共享同一个环境，每一个实体都能预测其他实体的作用，也总影响其他实体的动作。换句话说，多智能体系统是一个控制权分散但在目标上协同合作的系统，其将控制权限分布在各个实体上，以提供一种看待问题分布式的视角。多智能体系统也能被用在解决分离的智能体以及单层系统难以解决的问题。因此，与传统分布式系统相比，MAS中的各个实体具备高度自主性、可以进行复杂交互（如协作和竞争）、通常是异构的，并能够动态适应环境变化，且其设计和分析更加注重实体的目标驱动和内部决策机制，以及网络拓扑的 动态性，使其更适用于处理复杂和变化的应用场景。而传统分布式系统的节点更多遵循预定规则，通常是同构的，且对环境变化的适应性较弱。[19][20]