多智能体系统 multi

多智能体系统 multi-agent system（MAS），也称多主体系统或自组织系统 self-organized system ，是一种由多个相互作用的智能体组成的计算系统。多智能体系统可以解决一些单个多智能体或单一性系统难以解决的问题。[1]其智能主要体现在条理性、功能性、程序性的行为方式，以及搜索算法和强化学习[2]上。

尽管多智能体系统和基于主体的模型 Agent-based model（ABM） 有着很多的重叠，但是它们并不总是相同的。基于主体的模型目标在于解释那些遵循简单规则、可能并不是很“智能”的主体表现出的集群行为，一般被用于天然系统的研究中，而非实践和工程中解决具体的问题。因此“基于主体的模型”这个词更多地用在科学研究中，而“多智能体系统”则更多地用于工程和技术。[3]有关多智能体系统的研究可能会对在线交易、[4] 灾害应急、[5][6] 社会结构建模[7] 等领域有着良好的应用价值。

多智能体系统由智能体 Agent及其所处的环境组成。典型的多智能体系统研究的是软件智能体 software agent。然而，多智能体系统中的智能体也可以是机器人、人类或人类团体。多智能体系统还可以包含人类和其它智能体的组合。

不同智能体可以按照从简单到复杂的顺序分为如下几个类型:

智能体所处的环境可以分为:

我们也可以从如下角度考察智能体所处的环境，如：可知性 accessibility（是否可以搜集到关于环境的完整信息）、确定性 determinism（行为造成的影响是否是确定的）、动态性 dynamics（同一时刻有多少智能体影响环境）、离散性 discreteness（智能体可以采取的行动是否是有限的）、时序性 episodicity（智能体在某一特定时段内的行为是否影响其它时段）[9]、维度性 dimensionality（环境是否具有鲜明的空间特征，以及智能体在做决策时是否考虑空间因素）。智能体的行为通常受到中间件 Middleware 的调控。[10]中间件使得人们可以管理可用资源、调控智能体，极大地方便了人们对于多智能体系统进行抽象设计。[11]

多智能体系统中的智能体有如下几个重要特点：[12]

即使所有单个智能体的策略都很简单，多智能体系统也可以表现出自组织、自引导等控制范式以及相关的复杂行为。当智能体之间可以在系统通信规范的约束下使用一些约定的语言来共享信息时，这种方法可能带来智能体间的共赢。例如知识查询操作语言 Knowledge Query Manipulation Language（KQML）和智能体通信语言 Agent Communication Language（ACL）是这类语言中的两个典型例子。

很多多智能体系统是在计算机仿真中实现的，按照离散的“时间步长 time steps”逐步地演化。多智能体系统中的组分通常使用加权请求矩阵和加权响应矩阵进行通信。下面是几个加权请求矩阵的例子：

加权响应矩阵的例子：

“请求-响应-协议 challenge-response-contrac”方案在多智能体系统当中很常见，在这个方案中：

同时，这个过程也会考虑其它的智能体、考虑协议的改进以及算法对智能体的约束。

多智能体系统经常使用的另一个通信模式是信息素 Pheromone。在此模式下，各智能体为附近的其它智能体留下信息素来传递信息。随着时间的推移，这些信息素可能“蒸发”或累积，也就是其权重的下降或上升。

多智能体系统常常可以在没有干预的情况下为它们的问题找到最好的解决方案，这与物理现象有很高的相似性。比如在能量最小化的例子中，物理智能体倾向于在物理条件约束的世界中达到可能的最低能量。

系统还具有防止故障传播、自恢复和容错的特点，这主要是由于组件的冗余性。

多智能体系统的研究是与单智能体和多智能体系统中复杂的人工智能问题解决和控制架构的开发和分析有关。[14]主要的研究主题包括：

一些贯彻共同标准的框架已经出现了（例如 FIPA 和 OMG MASIF [18]标准）。JADE等框架可以为标准化的多智能体系统开发节省时间和精力。[19]

不过目前，FIPA 或 OMG 还没有主动维护任何标准。在工业领域中进一步开发软件智能体的努力主要来自 IEEE 工业电子协会的工业智能体技术委员会。[20]

除了学术研究之外，多智能体系统在工业中也有应用。[21]它在现实世界中不仅被用于电脑游戏等图形应用程序，还已经延伸到了电影中。[22]它在网络和移动技术中实现自动和动态的负载平衡、高可扩展性和自愈网络的作用广为流传。除此之外，多智能体系统还被用于协同防御体系中。

其它应用[23]包括运输、[24] 物流、[25]制图、制造、电力系统、[26]智能电网[27]和地理信息系统。

此外，多智能体系统人工智能 Multi-agent Systems Artificial Intelligence（MAAI） 被用于模拟社会，以助力气候，能源，流行病学，冲突管理，儿童虐待等方面的工作。[28]一些致力于使用多智能体系统模型的组织包括社会系统建模中心 Center for Modelling Social Systems、社会模拟研究中心 Centre for Research in Social Simulation、政策建模中心 Centre for Policy Modelling以及国际建模与模拟学会 Society for Modelling and Simulation International。[29]

本课程通过数个案例教会大家如何去动手搭建一个多主体仿真模型，以及如何利用NetLogo去实现。从生命游戏到人工鸟群，从模拟经济系统到病毒沿网络的传播，通过循序渐进的案例，该课程带你逐步走入NetLogo多主体建模的神奇世界。

本课程中，主要介绍了研究复杂系统使用的自底而上的多主体模拟方法、群体行为的特点和相关研究、社会学和经济学的相关应用，以及Netlogo模拟建模。

本课程来自中国科学院大学经济与管理学院青年学者论坛（第一期），贺舟老师介绍了如何将多主体建模仿真方法用于复杂管理系统研究，并介绍了决策框架ESTOPT以及基于该框架模拟的新加坡竞争性垃圾处理系统。

本中文词条由绝不会翻译，十三维审校，薄荷编辑欢迎在讨论页面留言。

本词条内容源自公开资料，遵守 CC3.0协议。