多智能体
1简介
说到“多智能体”，一般专指多智能体系统（MAS，Multi-AgentSystem）或多智能体技术（MAT，Multi-Agent Technology）。多智能体系统是分布式人工智能（DAI，DistributedArtificial Intelligence）的一个重要分支，是20世纪末至21世纪初国际上人工智能的前沿学科。研究的目的在于解决大型、复杂的现实问题，而解决这类问题已超出了单个智能体的能力。
1989年举行的第一届国际多智能体欧洲学术会议，标志着该技术受到了研究者的广泛重视。1993年首次召开了智能体形式化模型国际会议，1994年又召开了第一届智能体理论、体系结构和语言国际会议，表明多智能体技术日益获得了重视。
2 定义
多智能体系统是多个智能体组成的集合，它的目标是将大而复杂的系统建设成小的、彼此互相通信和协调的，易于管理的系统。
它的研究涉及智能体的知识、目标、技能、规划以及如何使智能体采取协调行动解决问题等。研究者主要研究智能体之间的交互通信、协调合作、冲突消解等方面，强调多个智能体之间的紧密群体合作，而非个体能力的自治和发挥，主要说明如何分析、设计和集成多个智能体构成相互协作的系统。
同时，人们也意识到，人类智能的本质是一种社会性智能，人类绝大部分活动都涉及多个人构成的社会团体，大型复杂问题的求解需要多个专业人员或组织协调完成。要对社会性的智能进行研究，构成社会的基本构件物——人的对应物——智能体理所当然成为人工智能研究的基本对象，而社会的对应物——多智能体系统，也成为人工智能研究的基本对象，从而促进了对多智能体系统的行为理论、体系结构和通信语言的深入研究，这极大的繁荣了智能体技术的研究与开发。
3优势特点
多智能体系统在表达实际系统时，通过各智能体间的通讯、合作、互解、协调、调度、管理及控制来表达系统的结构、功能及行为特性。
多智能体系统具有自主性、分布性、协调性，并具有自组织能力、学习能力和推理能力。采用多智能体系统解决实际应用问题，具有很强的鲁棒性和可靠性，并具有较高的问题求解效率。
多智能体系统是智能体技术应用及研究上的一个质的飞跃，不同行业的专家学者对之进行了深入的研究并从多个角度阐述了多智能体系统用于解决实际问题的优势，归纳起来，主要有以下几点：
（1）在多智能体系统中，每个智能体具有独立性和自主性，能够解决给定的子问题，自主地推理和规划并选择适当的策略，并以特定的方式影响环境。
（2）多智能体系统支持分布式应用，所以具有良好的模块性、易于扩展性和设计灵活简单，克服了建设一个庞大的系统所造成的管理和扩展的困难，能有效降低系统的总成本；
（3）在多智能体系统的实现过程中，不追求单个庞大复杂的体系，而是按面向对象的方法构造多层次，多元化的智能体，其结果降低了系统的复杂性，也降低了各个智能体问题求解的复杂性；
（4）多智能体系统是一个讲究协调的系统，各智能体通过互相协调去解决大规模的复杂问题；多智能体系统也是一个集成系统，它采用信息集成技术，将各子系统的信息集成在一起，完成复杂系统的集成；
（5）在多智能体系统中，各智能体之间互相通信，彼此协调，并行地求解问题，因此能有效地提高问题求解的能力；
（6）多智能体技术打破了人工智能领域仅仅使用一个专家系统的限制，在MAS环境在，各领域的不同专家可能协作求解某一个专家无法解决或无法很好解决的问题，提高了系统解决问题的能力；
（7）智能体是异质的和分布的。它们可以是不同的个人或组织，采用不同的设计方法和计算机语言开发而成，因而可能是完全异质的和分布的。
（8）处理是异步的。由于各智能体是自治的，每个智能体都有自己的进程，按照自己的运行方式异步地进行。
4用用领域
（01）智能机器人
在智能机器人中，信息集成和协调是一项关键性技术，它直接关系到机器人的性能和智能化程度。一个智能机器人应包括多种信息处理子系统，如二维或三维视觉处理、信息融合、规划决策以及自动驾驶等。各子系统是相互依赖、互为条件的，它们需要共享信息、相互协调，才能有效地完成总体任务，其目标是用来结合、协调、集成智能机器人系统的各种关键技术及功能子系统，使之成为一个整体以执行各种自主任务。利用多智能体系统，将每个机器人作为一个智能体，建立多智能体机器人协调系统，可实现多个机器人的相互协调与合作，完成复杂的并行作业任务。
（02）交通控制
由于交通控制拓扑结构的分布式特性，使其很适合于应用多智能体技术，尤其对于具有剧烈变化的交通情况(如交通事故)，多智能体的分布式处理和协调技术更为适合。
（03）柔性制造
多智能体技术应用在柔性制造领域，可表示制造系统，并为解决动态问题的复杂性和不确定性提供新的思路。如在制造系统中，各加工单元可看作智能体，从而使加工过程构成一个半自治的多智能体制造系统，完成单元内加工任务的监督和控制。多智能体技术可用于制造系统的调度、制造过程中的分布式控制。（04）协调专家系统
对于复杂的问题，采用单一的专家系统往往不能满足要求，需要通过多个专家系统协作，共同解决问题。利用多智能体技术，可实现多专家系统的协调求解。（05）分布式预测、监控及诊断
智能体具有意图的性质，利用多智能体的联合意图机制可实现联合行动，从而实现分布式预测与监控。
（06）分布式智能决策
采用智能体技术将多个专家系统的决策方法有机地协调起来，可建立基于多智能体协调的环境决策支持系统。智能体采用基于规则的描述方法，可实现环境管理的分布式智能决策。
（07）软件开发
利用计算机来开发多智能体系统，称为软件智能体。软件工程的研究从模型角度考察智能体，认为面向智能体的软件开发方法是为更确切地描述复杂并发系统的行为而采用的一种抽象的描述形式，是观察客观世界和解决问题的一种方法。
（08）虚拟现实
采用虚拟智能体技术建立了电子市场的模拟系统(MA GMA)，可实现电子市场中的货物储藏和买卖机制以及银行信贷和金融管理机制，并设计买和卖智能体，提出两类智能体间的直接交互和代理交互算法，并采用异质智能体技术将模拟系统设计为开放式结构。
（09）操作系统
利用拟人化的具有自学习能力的人机智能体(IPA I)技术设计VAX VM S操作系统，利用智能体所具有的特性可实现操作系统的自适应功能。智能体IPA I 可通过接受用户的反馈使操作系统适应用户的兴趣和习惯，通过识别正确与错误的命令及与其它智能体进行网络通讯实现系统的学习，从而使操作系统在复杂环境下实现与用户的交互。
（10）网络自动化与智能化
1)网络管理
利用多智能体一致性的组织、表示、通信等特点，通过定义不同类别的智能体，可构成网络的不同智能成员(包括网络单元智能体、管理对象智能体和操作系统智能体)，实现网络管理。
2)网络协同化
智能体技术具有在Internet上的协调功能，通过采用U nix命令实现用户在Internet上广泛的协调。将智能体技术与Internet技术相结合，建立基于客户服务器的智能体结构，可实现用WWW开发计算机支持的协同工作(CSCW)，建立一个以WWW为基础、以一组协同工作的智能体为核心的应用环境(CAW)，达到在网络环境下更好地支持用户之间的协同工作。
3)网络信息处理
软件智能体是指活动于软件环境中的智能体，它通过下达命令和分析环境反馈同环境进行交互。利用软件智能体技术，可对Internet这一规模庞大、极度异质、高度动态的软件环境实现信息的收集、检索、分析、综合，从而实现高度智能行为的信息处理手段。
（11）分式布计算
用多智能体技术建立分布式计算环境的基本目标是建立各种客户服务器应用，其核心是基于智能体的服务请求代理机制，它分为两部分：1)客户环境:由客户应用和服务请求智能体组成；2)服务环境:由一组服务智能体组成。（12）产品设计
目前，利用智能体技术来构造设计系统已成为一个研究热点。设计问题涉及到多目标的约束求解和设计过程的协调。以超大规模集成电路(VLSI)的设计为例，它需要有关电路、逻辑门、寄存器、指令集、结构以及装配技术等方面的知识。为了降低VL S I设计的耗费，提高设计的速度，利用多智能体系统的并行处理技术将不同的任务分解，分别分布在不同的智能体上。
（13）商业管理
目前，物资流通管理中存在以下几方面问题：缺少公共的通讯结构；缺少集中管理机制；协调成本过高。利用移动智能体(MA)可实现网络化的物资购买与出售之间的管理。
（14）网络化的办公自动化
人可作为一类智能体存在于多智能体系统中。采用多智能体技术可实现办公自动化系统的人机一体化,系统中各个智能体分别实现信息的采集、存储、交换、加工和决策。
（15）网络化计算机辅助教学及医疗
采用人机智能体技术可建立一个放射治疗培训系统(RA TA PLAN)，开发用于人机交互的窗口，实现了人机对话。每个用户都有各自的人机智能体，各智能体通过网络实现通讯。
可把智能体技术应用于智能教学系统开发，如：远程教学和健康信息系统。
可以预见，在网上智能学校和网上智能医院的设计和开发中，多智能体技术将发挥潜在的不可估量的作用。
（16）控制
利用MAS技术可建立一个多智能体控制系统框架，包括三层:最底层为控制层，具有实时控制能力；中间层为管理层；最上层为多智能体协调与通讯层。该框架可解决航行器机翼的伺服控制问题，框架内每个智能体负责各自的控制任务。例如：采用多智能体技术;建立混杂控制系统、板材自适应控制模型等。
5参考文献
多智能体技术 [摘要]当今，分布式人工智能研究的一个热点是多智能体系统，它是分布式问题求解的进一步发展。随着多智能体理论与技术的发展，其应用范围也在不断扩大着，但是由于其理论与应用研究刚起步不久，还有不少问题有待解决。本论文回顾了多智能体技术的发展历史，指出了多智能体理论及应用的研究方向，介绍了多智能体技术的基本概念和特点，多智能体系统的体系结构，多智能体中的协调与协作方法等内容。 [关键词]多智能体系统；多智能体结构；多目标优化；协调协作 Multi-agent technology [Abstract] Nowadays, one of the hot points in distributed artificial intelligence research is multi-agent system, which is the further development in distributed problem solving. With the development of multi-agent theory and technology, its application is being expanded.As the theory and application is just starting, there are many issues to be resolved.In this paper, the thesis reviews the development of EGCS, points out the research directions of multi-agent theory and application, and introduces the basic concepts and characteristics, Multi-agent system architecture，the coordination and collaboration on Multi-agent system. [Keywords] Multi-agent systems；Multi-agent architecture；Multi-objective optimization；Coordination and collaboration 1.前言 目前的工业系统正向大型、复杂、动态和开放的方向转变，传统的工业系统和多机器人技术在许多关键问题上遇到了严重的挑战。分布式人工智能 (DAI，Distributed Artificial Intelligence)与多智能体系统(MAS, Multi-Agent System)理论为解决这些挑战提供了一种最佳途径。智能体系统是分布式人工智能的一个重要分支，是20世纪末至21世纪初国际上人工智能的前沿学科。研究的目的在于解决大型、复杂的现实问题，而解决这类问题已超出了单个智能体的能力，将DAT、MAS充分应用于工业系统和多机器人系统的结果，便产生了一门新兴的机器人技术领域一多智能体机器人系统(MARS，MultiAgent Robot System)。总的来说，多智能体系统领域正在蓬勃发展。 2.多智能体 2.1多智能体理论的发展历史 智能体—Agent的概念最早可以追溯到1977年的 Carl Hewitt的“Viewing Control Structure as Patterns of Passing Messages”一文。在此文中，Carl Hewitt 给出了一个称为“Actor”的对象，它具有自身的内在状态，又能与其他同类对象发送和反馈信息。而正式采用“Agent”一词可见于M. Minsky于1986年出版的“Society of Mind”一书，文中用“Agent”称呼一些具有特别技能的个体，它们存在于社会中，并通过竞争或协商求解矛盾[1]。 多智能体系统（简称 MAS）是由多个单Agent组成的集合，该系统可以协调一组Agent的行为（知识、目标、方法和规划），以协同完成一个任务或是求解问题，各个单
多智能体系统及其协同控制研究进展 摘要：:对多智能体系统及其协同控制理论研究和应用方面的发展现状进行了简要概述.首先给出Agent及多Agent 系统的概念和特性等,介绍了研究多Agent系统协同控制时通常用到的代数图论;然后综述了近年来多Agent系统群集运动和协同控制一致性方面的研究状况,并讨论了其在军事、交通运输、智能机器人等方面的成功应用;最后,对多Agent系统未来的发展方向进行了探讨和分析,提出几个具有理论和实践意义的研究方向,以促使多Agent系统及其协同控制理论和应用的深入研究. 关键词：多Agent系统(MAS)；协同控制；代数图论；群集运动；一致性协议 Advances in Multi-Agent Systems and Cooperative Control Abstract: Progress in multi-Agent systems with cooperative controlwas reviewed in terms of theoretical research and its applications. Firs,t concepts and features used to define Agents and multi-Agents were analyzed. Then graph theory was introduced, since it is often used in research on cooperative control of multi-Agent systems. Then advances in swarming/flocking as well as the means used to derive a consensus among multi-Agents under cooperative control were summarized. The application of these abilitieswas discussed for the military, transportation systems,and robotics. Finally, future developments for multi-Agent systemswere considered and significant research problems proposed to help focus research on key questions formulti-Agent systemswith cooperative control. Key words:Multi-Agent system (MAS) ; Cooperative control; Graph theory; Swarming/ flocking; Consensus protocol 分布式人工智能是人工智能领域中一个重要的研究方向,而多Agent系统(multi-Agent systemMAS)则是其一个主要的分支. 20世纪90年代,随着计算机技术、网络技术、通信技术的飞速发展,Agent及MAS的相关研究已经成为控制领域的一个新兴的研究方向.由于Agent体现了人类的社会智能,具有很强的自治性和适应性,因此,越来越多的研究人员开始关注对其理论及应用方面的研究.目前,人们已经将MAS的相关技术应用到交通控制电子商务、多机器人系统、军事等诸多领域.而在MAS中,Agent之间如何在复杂环境中相互协调,共同完成任务则成为这些应用的重要前提.近年来,从控制的角度对MAS进行分析与研究已经成为国内外众多学术机构的关注热点,人们在MAS协同控制问题上做了大量的研究工作,特别是在MAS群集运动控制和协同控制一致性问题方面取得了很大的进展.目前对MAS的研究总体上来说还处于发展的初步阶段,离真正的实用化还有一定的距离;但其广泛的应用性预示着巨大的发展潜力,这必将吸引更多专家、学者投入到这一领域的研究工作中,对MAS的理论及应用做进一步探索.根据上述目的,本文主要概述了多智能体系统(MAS)在协同控制方面的研究现状及其新进展. 1Agent与MAS的相关概念 1.1Agent的概念 Agent一词最早可见于Minsky于1986年出版的《Social of Mind》一书中.国内文献中经常将Agent翻译为:智能体、主体、代理等,但最常见的仍是采用英文“Agent”；因为Agent的概念尚无统一标准,人们对于
多智能体系统一致性综述 一 引言 多智能体系统在20世纪80年代后期成为分布式人工智能研究中的主要研究对象。研究多智能体系统的主要目的就是期望功能相对简单的智能体系统之间进行分布式合作协调控制，最终完成复杂任务。多智能体系统由于其强健、可靠、高效、可扩展等特性，在科学计算、计算机网络、机器人、制造业、电力系统、交通控制、社会仿真、虚拟现实、计算机游戏、军事等方面广泛应用。多智能体的分布式协调合作能力是多智能体系统的基础，是发挥多智能体系统优势的关键，也是整个系统智能性的体现。 在多智能体分布式协调合作控制问题中，一致性问题作为智能体之间合作协调控制的基础，具有重要的现实意义和理论价值。所谓一致性是指随着时间的演化，一个多智能体系统中所有智能体的某一个状态趋于一致。一致性协议是智能体之间相互作用、传递信息的规则，它描述了每个智能体和其相邻的智能体的信息交互过程。当一组智能体要合作共同去完成一项任务，合作控制策略的有效性表现在多智能体必须能够应对各种不可预知的形式和突然变化的环境，必须对任务达成一致意见，这就要求智能体系统随着环境的变化能够达到一致。因此，智能体之间协调合作控制的一个首要条件是多智能体达到一致。 近年来，一致性问题的研究发展迅速，包括生物科学、物理科学、系统与控制科学、计算机科学等各个领域都对一致性问题从不同层面进行了深入分析，研究进展主要集中在群体集、蜂涌、聚集、传感器网络估计等问题。 目前，许多学科的研究人员都开展了多智能体系统的一致性问题的研究，比如多智能体分布式一致性协议、多智能体协作、蜂涌问题、聚集问题等等。下面，主要对现有文献中多智能体一致性协议进行了总结，并对相关应用进行简单的介绍。 1.1 图论基础 多智能体系统是指由多个具有独立自主能力的智能体通过一定的信息传递方式相互作用形成的系统；如果把系统中的每一个智能体看成是一个节点，任意两个节点传递的智能体之间用有向边来连接的话，智能体的拓扑结构就可以用相应的有向图来表示。 用)(A E,V,G =来表示一个有向加权图，其中}{n 21v ,,v ,v V =代表图的n 个顶
多智能体系统的协调控制相关内容 摘要 近年来，多智能体系统的协调控制在多机器人合作控制"交通车辆控制"无人飞机编队和网络的资源分配等领域有着广泛的应用，成为当前控制学科的一个热点问题’首先介绍了 多智能体系统的研究背景和智能体的概念; 然后从多智能体系统协调控制包含的几个问题 入手，即群集问题、编队控制问题、一致性问题和网络优化问题等，对其国内外的发展现状进行了总结和分析; 最后，给出了多智能体系统有待解决的一些问题，以促进对多智能体系统协调控制理论与应用的进一步研究。 关键词 多智能体系统; 一致性; 队形控制;群集/蜂拥 0 引言 在落叶飘飞的秋天，人们经常看见大雁排着整齐的人字型队伍迁徙到南方; 在阴暗潮湿的环境下，细菌部落聚集而生; 夏天池塘的青蛙同时发出哇哇的叫声; 夏日的一群萤火虫同时发出一闪一亮的光线; 自然界中成群的蜜蜂，事先没有商量建筑蜂巢的蓝图，但是它们各自搬运泥土，筑成了坚固的蜂巢; 在海洋中某些鱼类，具有规则队形聚集在一起运动，当发现新的食物来源或者受到外部攻击时，原来规则的队形被打乱了，但是在没有外界力量的介入下，一段时间之后，这群鱼类又建立了规则的队形聚集在一起运动。自然界中的这些自组织现象在没有集中中央控制的条件下，是什么样的工作机制，使得内部个体相互感知和交换信息，从而外部表现出规则而有序的智能行为运动? 并且这种智能行为是单个个体所 不能达到的，因而这些现象引起了生物学家的兴趣，生物学家试图了解这些自然界生物系统内部的工作机制，期望把这些理论应用到实际的系统中，为一些新出现的系统，例如交通车辆系统"机器人编队系统"无人飞机或者水下航行器系统等复杂智能系统提供理论指导，生物学家最初使用模拟仿真实验的方法，不能在理论上真正揭示这些生物界自组织现象的本质。 在计算机和工程领域，随着它们的发展，早期的集中式和分布式计算系统不能处理越来越复杂和规模越来越大的实际问题。20世纪 70 年代以后，分布式 人工智能方法出现，能够解决当时的问题，得到了迅速的发展，但是这种分布式人工智能有其缺点，就是低层子系统个体之间的相互作用方式是被高层系统根据任务预先设定好的，采用“自上而下”的分析方法，因此缺乏灵活性，很难为实际中的复杂大系统建模。为了克服上述的缺点，美国麻省理工学院的Minsky最早提出了智能体( agent) 的概念，同时把生物界个体社会行为的概念引入到计算机学科领域。这时，生物学和计算机科学领域发生了交叉。所谓的智能体可以是相应的软件程序，也可以是实物例如人、车辆、机器人、人造卫星等。 近些年来，由于生物学、计算机科学、人工智能、控制科学、社会学等多个学科交叉和渗透发展，多智能体系统越来越受到众多学者的广泛关注，已成为当前控制学科的热点问题。对多智能体系统的研究成果日益增多。
多智能体系统的协调控制研究综述 文章编号: ?? 多智能体系统的协调控制研究综述 苗国英马倩。 摘要 引言 近年来,多智能体系统的协调控制 在多机器人合作控制、交通车辆控制、无 在落叶飘飞的秋天,人们经常看见大雁排着整齐的“人”字型队 人飞机编队和网络的资源分配等领域有 伍迁徙到南方;在阴暗潮湿的环境下,细菌部落聚集而生;夏天池塘着广泛的应用,成为当前控制学科的一 的青蛙同时发出“哇哇”的叫声;夏日的一群萤火虫同时发出一闪一个热点问题.首先介绍了多智能体系统 的研究背景、智能体的概念和相关的图 亮的光线;自然界中成群的蜜蜂,事先没有商量建筑蜂巢的蓝图,但论知识:然后从多智能体系统协调控制 是它们各自搬运泥土,筑成了坚固的蜂巢;在海洋中某些鱼类,具有包含的几个问题入手,即群集问题、编队 规则队形聚集在一起运动,当发现新的食物来源或者受到外部攻击
控制问题、一致性问题和网络优化问题 等,对其国内外的发展现状进行了总结 时,原来规则的队形被打乱了,但是在没有外界力量的介入下,一段 和分析;最后,给出了多智能体系统有待 时间之后,这群鱼类又建立了规则的队形聚集在一起运动,如图是 解决的一些问题,以促进对多智能体系 统协调控制理论与应用的进一步研究. 摄影师在南极拍摄到企鹅捕猎前群集鱼类的图片.自然界中的这些 关键词 自组织现象在没有集中中央控制的条件下,是什么样的工作机制,使 多智能体系统;一致性;队形控制; 得内部个体相互感知和交换信息,从而外部表现出规则而有序的智 群集/蜂拥 能行为运动并且这种智能行为是单个个体所不能达到的,因而这 中图分类号 些现象引起了生物学家的兴趣.生物学家试图了解这些自然界生物 文献标志码系统内部的工作机制,期望把这些理论应用到实际的系统中,为一些 新出现的系统,例如交通车辆系统、机器人编队系统、无人飞机或者 水下航行器系统等复杂智能系统提供理论指导.生物学家最初使用 模拟仿真实验的方法,不能在理论上真正揭示这些生物界自组织现 象的本质.
多智能体系统一致性综述 引言 多智能体系统在20世纪80年代后期成为分布式人工智能研究中的主要研究对象。研究多智能体系统的主要目的就是期望功能相对简单的智能体系统之间进行分布式合作协调 控制，最终完成复杂任务。多智能体系统由于其强健、可靠、高效、可扩展等特性，在科 学计算、计算机网络、机器人、制造业、电力系统、交通控制、社会仿真、虚拟现实、计 算机游戏、军事等方面广泛应用。多智能体的分布式协调合作能力是多智能体系统的基 础，是发挥多智能体系统优势的关键，也是整个系统智能性的体现。 在多智能体分布式协调合作控制问题中，一致性问题作为智能体之间合作协调控制的基础，具有重要的现实意义和理论价值。所谓一致性是指随着时间的演化，一个多智能 体系统中所有智能体的某一个状态趋于一致。一致性协议是智能体之间相互作用、传递 信息的规则，它描述了每个智能体和其相邻的智能体的信息交互过程。当一组智能体要 合作共同去完成一项任务，合作控制策略的有效性表现在多智能体必须能够应对各种不可预知的形式和突然变化的环境，必须对任务达成一致意见，这就要求智能体系统随着环 境的变化能够达到一致。因此，智能体之间协调合作控制的一个首要条件是多智能体达到一致。 近年来，一致性问题的研究发展迅速，包括生物科学、物理科学、系统与控制科学、计算机科学等各个领域都对一致性问题从不同层面进行了深入分析，研究进展主要集中在群体集、蜂涌、聚集、传感器网络估计等问题。 目前，许多学科的研究人员都开展了多智能体系统的一致性问题的研究，比如多智能体分布式一致性协议、多智能体协作、蜂涌问题、聚集问题等等。下面，主要对现有文 献中多智能体一致性协议进行了总结，并对相关应用进行简单的介绍。 1.1 图论基础 多智能体系统是指由多个具有独立自主能力的智能体通过一定的信息传递方式相互作用形成的系统；如果把系统中的每一个智能体看成是一个节点，任意两个节点传递的智 能体之间用有向边来连接的话，智能体的拓扑结构就可以用相应的有向图来表示。 用G (V,E,A)来表示一个有向加权图，其中V { v1,v2 , ,v n} 代表图的n个顶点； E V V 是边集合，如果存在从第 i 个顶点到第 j 个顶点的信息流，则有e ij (v i,v j) E； A 是非负加权邻接矩阵e ij E a ij 0；节点v i的邻居集定义为N i {v j|(v i,v j) E} 。如果对所 有的e ij E意识着e ji E，则称 G是无向图。
基于多智能体的城市交通仿真研究 多智能体模型是一种研究社会、经济、生态等复杂系统的动态研究方法，交通系统是一个具有随机性、动态性和自适应性等特征的开放的复杂系统。因此以多Agent技术为手段结合交通系统的组成和复杂性特征，利用基于Agent的计算机仿真通过模拟交通系统中个体的行为，可以让一群这样的个体在计算机所营造的虚拟环境下进行相互作用并演化，自下而上的“涌现”出整体系统的复杂性行为。借助Netlogo软件平台，利用Traffic Grid模型仿真研究了有人参与的交通仿真实验，获取了随着时间变化的车辆平均速度、平均等待时间等数据，根据其变化曲线为建设低碳交通和智能交通系统（ITS）提供决策。 标签：多Agent;交通仿真;Traffic Grid模型;Netlogo 1 引言 交通仿真是20世纪60年代以来,随着计算机技术的进步而发展起来的采 用计算机数字模型来反映复杂道路交通现象的交通分析技术和方法。从试验角度看,道路交通仿真是再现交通流时间和空间变化的模拟技术，交通仿真是智能交通运输系统的一个重要组成部分，是计算机技术在交通工程领域的一个重要应用。利用基于Agent的计算机仿真通过模拟交通系统中个体的行为，让一群这样的个体在计算机所营造的虚拟环境下进行相互作用并演化，自下而上的“涌现”出整体系统的复杂性行为。多主体模型基本思路是：由于人类社会是由大量的个体构成的复杂系统，因而在计算机中建立每个经济实体的个体模型，这样的计算机中模型被称为Agent；然后让这些Agent遵循一定的简单规则相互作用；然后通过观察这群Agent整体作用的涌现性找到人工社会的规律，并用这些规律解释 和理解人类社会中的宏观现象［1］。 文中以Traffic Grid模型为基础，仿真研究了交通系统从而得出停着的车辆数量，平均等待时间等曲线，为城市规划和决策者提供了数据。 2多主体建模 主体（Agent，也有人译为智能体、代理）和多主体系统（Multi-Agent System,MAS）是随着分布式人工智能的研究而兴起的。“主体（Agent）”一词一般用来描述自包含的（self-contained）、能感知环境并能在一定程度上控制自身行为的计算实体［2］。人工智能学者Minsky在1986年出版的著作《思
分布式计算是一门计算机科学，一种计算方法，和集中式计算是相对的。它研究如何把一个需要非常巨大的计算能力才能解决的问题分成许多小的部分，然后把这些部分分配给许多计算机进行处理，最后把这些计算结果综合起来得到最终的结果。这样可以节约整体计算时间，大大提高计算效率。 分布式人工智能（Distributed Artificial Intelligence），简称DAI，它是人工智能和分布式计算相结合的产物。DAI的提出，适应了设计并建立大型复杂智能系统以及计算机支持协同工作（CSCW）的需要。目前，DAI的研究大约可划分为两个基本范畴：一是分布式问题求解（Distributed Problem Solving，DPS）；另一个是关于多智能体系统（Multi Agent System，MAS）实现技术的研究。 分布式问题求解：往往针对待解决的总问题，将其分解为若干子任务，并为每个子任务设计一个问题求解的子系统。这里，首先需要智能地确定一个分配策略：如何把总工作任务在一群模块（Module）或者节点（Node）之间进行子任务分配；其次需要智能地确定一个工作任务协同的策略：要在基于分散、松耦合知识源的基础上，实现对问题的合作求解。这里所谓“分散”的概念是指任务的控制操作和可利用的信息都是分布的，没有全局控制和全局数据；知识源分布在不同的处理节点上，数据、信息、知识和问题的答案可以按照某种规则予以共享。 （松耦合系统通常是基于消息的系统，此时客户端和远程服务并不知道对方是如何实现的。客户端和服务之间的通讯由消息的架构支配。只要消息符合协商的架构，则客户端或服务的实现就可以根据需要进行更改，而不必担心会破坏对方。）
Computer Engineering and Applications 计算机工程与应用 2009，45（23）1引言 复杂适应系统（Complex Adaptive System ）是美国计算机 科学家霍兰于1994年首次提出[1]其基本思想是：系统中的成员主体能够与环境以及其他主体进行持续不断的交互作用，在此过程中不断地“学习”和“积累经验”，并根据所学经验改变自身的结构和行为方式，由此在整体层次上突现出新的结构、现象和更复杂的行为[2]。复杂适应系统的复杂性源于其主体的适应 性，即“适应性造就复杂性”[3] 。经济系统就是一个典型的复杂适应系统，是一个有自组织能力和进化能力的综合体。经济系统 中存在各种政治因素、 人为因素、随机因素和偶然事件的影响和干预，一切经济行为及其效应都是相互依赖和相互影响的一系列决策的结果，这种决策行为是双方的一种博弈行为[4]，在研究经济行为及其效应问题就不能不考虑博弈主体决策行为的相互依赖和相互影响[5]，不能不考虑他们的个体理性以及所获信息对博弈均衡的制约和影响[6]。由于系统中的各个经济主体往往表现为有限理性，因此经济主体不可能正确地选择最佳策略，一次性达到均衡，而是通过成员间的某种反复博弈，选择有利的策略逐渐模仿下去，而最终达到一种进化稳定均衡状态。 这种以达尔文的自然选择思想为基础，能够包含有限理性博弈方的学习和策略调整过程，研究博弈方行为和策略动态稳定性，从而适用于分析和预测有限理性博弈的分析理论，就是进化博弈理论[7]。 基于多智能体（Agent ）的整体建模仿真方法是在CAS 理论指导下研究复杂系统的一种有效方法[8]，它结合自动机网络模型和计算机仿真技术来研究复杂系统。在复杂经济系统博弈对象具有以下特征：由于经济系统的复杂性，系统中进行博弈的博弈对象数量巨大；博弈对象不固定，博弈对手经常变换；在具体的博弈过程中，每次博弈一般在两个经济体之间进行；博弈对象的理性层次不一致，经济行为的变化更多是一种缓慢进化 的过程，博弈对象是有限理性的[9]。 该文以基于多智能体的整体建模仿真方法为指导，应用Multi-Agent 的软件仿真建模平台Swarm 进行仿真，在计算机仿真生成的经济博弈环境中对A －gent 的对称博弈进行仿真。 按照以上的思想为指导，以生物进化的复制动态机制来模拟仿真复杂系统经济体的学习与调整机制，在计算机上建立对称合作竞争博弈仿真模型（EGM ），该仿真模型主要研究在仿真 基金项目：国家自然科学基金（the National Natural Science Foundation of China under Grant No.70761003）；国家社会科学基金项目（the National Social Science Foundation of China under Grant No.08BTQ028 ）。作者简介：杨波（1973-），男，博士研究生，讲师，研究方向为：企业信息化、知识管理；徐升华（1952-），女，博士生导师，教授，研究方向为：企业信息 化、知识管理。 收稿日期：2009-05-08 修回日期：2009-06-09 复杂系统多智能体建模的博弈进化仿真 杨波，徐升华YANG Bo ，XU Sheng-hua 江西财经大学信息管理学院，南昌330013School of Information Management ，Jiangxi University of Finance &Economics ，Nanchang 330013，China E-mail ：yb_lh@https://www.doczj.com/doc/9014027391.html, YANG Bo ，XU Sheng -hua.Evolutionary simulation game based on module of complex multi -agent https://www.doczj.com/doc/9014027391.html,puter Engineering and Applications ， 2009，45（23）：6-8.Abstract ：Adopted by the method of evolutionary simulation game based on ensemble module of Complex Multi-Agent Aystem ， the article builds a module of evolutionary simulation game —EGM.By making use of Swarm simulation software ，the module is decribed and defined.EGM is applied to different symmetric game models and the result is obtained.It reveals that the initial probability of selection strategies and gains matrix have different effects on the gaining of dynamic stability strategy in different symmetric game models ， and it can obtain different evolutionary stable strategies.Key words ：complex system ；multi-agent ；evolutionary game ；Swarm ；ensemble modeling and simulation method 摘要：采用基于复杂系统多智能（Multi-Agent ）体的整体建模仿真方法，利用Swarm 仿真软件平台建立进化博弈仿真模型 （EGM ），对该模型进行了描述和定义，运用EGM 对各类对称博弈模型进行仿真运行，并对结果进行分析。仿真结果表明在不同类型的对称博弈中初始策略选择概率和收益矩阵对动态稳定策略的获得有不同的影响，在给定不同的收益矩阵和初始策略选择概率下可以获得不同的进化稳定策略。关键词：复杂系统；多智能体；进化博弈；Swarm ； 整体建模仿真DOI ：10.3778/j.issn.1002-8331.2009.23.002文章编号：1002－8331（2009）23-0006-03文献标识码：A 中图分类号：TP18 6
多智能体系统一致性综述 一引言 多智能体系统在20世纪80年代后期成为分布式人工智能研究中的主要研究对象。研究多智能体系统的主要目的就是期望功能相对简单的智能体系统之间进行分布式合作协调控制，最终完成复杂任务。多智能体系统由于其强健、可靠、高效、可扩展等特性，在科学计算、计算机网络、机器人、制造业、电力系统、交通控制、社会仿真、虚拟现实、计算机游戏、军事等方面广泛应用。多智能体的分布式协调合作能力是多智能体系统的基础，是发挥多智能体系统优势的关键，也是整个系统智能性的体现。 在多智能体分布式协调合作控制问题中，一致性问题作为智能体之间合作协调控制的基础，具有重要的现实意义和理论价值。所谓一致性是指随着时间的演化，一个多智能体系统中所有智能体的某一个状态趋于一致。一致性协议是智能体之间相互作用、传递信息的规则，它描述了每个智能体和其相邻的智能体的信息交互过程。当一组智能体要合作共同去完成一项任务，合作控制策略的有效性表现在多智能体必须能够应对各种不可预知的形式和突然变化的环境，必须对任务达成一致意见，这就要求智能体系统随着环境的变化能够达到一致。因此，智能体之间协调合作控制的一个首要条件是多智能体达到一致。 近年来，一致性问题的研究发展迅速，包括生物科学、物理科学、系统与控制科学、计算机科学等各个领域都对一致性问题从不同层面进行了深入分析，研究进展主要集中在群体集、蜂涌、聚集、传感器网络估计等问题。 目前，许多学科的研究人员都开展了多智能体系统的一致性问题的研究，比如多智能体分布式一致性协议、多智能体协作、蜂涌问题、聚集问题等等。下面，主要对现有文献中多智能体一致性协议进行了总结，并对相关应用进行简单的介绍。 1.1图论基础 多智能体系统是指由多个具有独立自主能力的智能体通过一定的信息传递方式相互作用形成的系统；如果把系统中的每一个智能体看成是一个节点，任意两个节点传递的智能体之间用有向边来连接的话，智能体的拓扑结构就可以用相应的有向图来表示。 用)(A E,V ,G =来表示一个有向加权图，其中}{n 21v ,,v ,v V =代表图的n 个顶
第２４－卷第１１期计算机仿真２００７年１１月文章编号：１００６－９３４８（２００７）叭１—０２７０—０４ 基于多智能体的杜能模型仿真研究 陶海燕１，潘茂林２，黎夏‘。陈晓翔１ （１．中山大学地理科学与理划学院，广东广州５１０２７５；２．广州天维数码技术有限公司，广东广州５１０６３０）摘要：杜能圈层空间模式足假想环境下整个社会最佳收益的一种生产方式布局，是土地利用一般理论的基础。构建了杜能囤多智能体模型，农民智能体在利益最大化前提下，选择区位以及所从事的生产活动，最终导致城市空问圈层结构的形成．并用ｊａｖ且一ｓｗｍＹｔｌ实现丁滚模型的仿真模拟。模拟结果表明：不同生产活动的竟租地租函数越陡的，它们与城市中心的距离应该越近。研究表明多智能体建模方｝击为研究复杂地理现象提供了一种有意义的并且是很好的工具。 关键词：多智能体；杜能模型；竞标租金；仿真 中图分粪号：１３３９８４；ＴＰｌ８文献标识码：Ａ ＳｉｍｕｌａｔｉｏｎｏｆＴｈｉｉｎｅｎＭｏｄｅｌＢｕｓｅｄＯＵＭｕｌｔｉ—ａｇｅｎｔ ＴＡＯＨａｉ—ｙｏｎｌ，ＰＡＮＭａｏ～ｌｉｎ２，ＬＩＸｉａｌ，ＣＨＥＮＸｉａｏ—ｘｉａｎ９１（１．ＳｃｈｏｏｌｏｆＧｅｏｇｒａｐｈｙＳｃｉｅｎｃｅｓａｒｕｔＰｌａｎｎｉｎｇＳｕｎｙａｔ—ｓｕｎＵｎｉｖｅｒｓｉｔｙ．ＧｕａｎｇｚｈｏｕＧｕａｎｓａｏｎｇ５１０２７５，Ｃｈｉｎａ； ２．ＴｉａｎｃｏｍＤｉｇｉｔＴｅｃｈｎｏｌｏｇｙＣｏ．，Ｌｔｄ．ＧｕａｎｇｚｈｏｕＧｕａｎｇｄｏｎｇ５１０６３０，Ｃｈｉｎａ）ＡＢＳＴＲＡＣＴ：ＴｈｅｓｐａｔｉａｌｐａｔｔｅｒｎｄｅｓｃｒｉｂｅｄｂｙＴｈｎｎｅｎｉｓｃｏｎｓｉｄｅｒｅｄ∞ａｎｏｐｔｉｏｎｔｏｍａｘｉｍｉｚｅｓｏｃｉｅｔｙ’８ｗｅｌｌ—ｂｅｉｎｇｉｎａｈｙｐｏｔｈｅｔｉｃａｌｅｎｖｉｒｏｍｎｅｎｔ．Ｔｈａｎｅｎｌｏｃａｔｉｏｎｔｈｅｏｒｙｉｓａｂａｓｉｓｏｆｌａｎｄ—ｕｓｅｔｈｅｏｒｙ．Ｔｈｉｓｐａｐｅｒｄｅｖｅｌｏｐｓ８ｍｏｄｅｌｂａｓｅｄ∞ｍｏｈｉ—ａｇｅｎｔｔｅｃｈｎｏｌｏｇｙ．Ｅａｃｈｆａｒｍｅｒａｇｅｎｔｗｈｏｍａｘｉｍｉｚｅｓｏｗｌｌｂｅｎｅｆｉｔｓｅｈｅｏａｅａｌｏｃａｔｉｏｎａｎｄｐｒｏｄｕｃｔｓ．ａｎｄｆａｒｍｅｒａｇｅｎｔ．ｑ’ｂｅｈａｖｉｏｒａｎｄｉｎｔｅｒａＣｔｌｖｉｔｙｃｏａｔｒｌｂｕｔｅｔｏｆｏｒｍａｔｉｏｎｏｆｓｐａｔｉａｌｒｉｎｇｓｓｔｎｌｅｍｒｅ。Ｔｈｅｓｉｍｕｌａｔｉｏｎｔｍｉｒｒｇｊａｖａ—ｓｗａｒｔｔｔｓｈｏｗｓｔｈａｔｄｉｆｆｅｒｅｎｔｔｙｐｅｓｏｆａｇｒｉｃｕｌｔｕｒｅｗｉｌｌｂｅｆｏｒｍｅｄｉｎｃｏｎｃｅｎｔｒｉｃｒｉｔｅｓａｒＱｕｎｄｔｈｅｍａｒｋｅｔ，ｔｈｅｄｉｓｔａｎｃｅｆｒｏｍｔｈｅｃｅｎｔｅｒｉｓｄｅｃｉｄｅｄｈｙｔｈｅｓｌｏｐｅｏｆｂｉｄｒｅｎｔｆｕｎｃｔｉｏｎ．Ｔｈｅｓｔｕｄｙｉｎｄｉｃａｔｅｓｔｈａｔｔｈｅｍｕｌｔｉ—ａｇｅｎｔｍｅｄｄｉｎｇｕｐ－ｐｍａｃｈｉｓａｐｏｗｅｒｆｕｌｔｏｏｌｆｏｒｓｔｕｄｙｉｎｇｃｏｍｐｌｉｃａｔｅｄｇｅｏｇｒａｐｈｉｅｐｈｅｎｏｍｅｎｏｎ． ＫＥＹＷＯＲＤＳ：Ｍｕｋｉ—ａｇｅｎｔ；Ｔｈｆｌｎｅｎｍｏｄｅｌ；Ｂｉｄｒｅｎｔ：Ｓｉｍｕｌａｔｉｏｎ ｌ引言 杜能模型是杜能于１８２６年在《孤立国同农业和国民经济的关系》一文中提出的。该模型从一个假想空问，即“孤立国”出发，探讨了合理农业生产方式的配置原则。杜能模型显示．在城市的周围将形成在某一圈层中以某一农作物为主的同心圆结构。虽然桂能模型给出了一种完全均质条件下的理论模型，在现实中很少有完全的“孤立国”存在，但是杜能模型的重要贡献在于对农业区域空间分异现象进行了理论性、系统性的总结，开创了经济过程与空间的联系，也是第一个用数学方法探讨经济问题的模型，是土地利用一般理论的基础‘１－“。 杜能的方法探讨了城市以及周遍区域的整体属性。当把城市以及整个周边区域当作一个整体时，这样的圈层结构 基金项目：国家杰出青年基金（４０５２５００２）、国家自然科学基金（，ｍ４７１１０５）、“９８５工程”ＧＩＳ与遥感的地学应用科技创新 平台项目（１０５２０３２００４００Ｇ０６） 收稿日期：２００７一Ｏｌ一１７修同日期：２００７—０１－２１ —２７０一将达到整体的最佳效益。然而．导致这个情况发生的大多数机制是由很多个体行为与环境互相作用，理性（效益最大化）指导下竞争的结果，从而涌现出特殊的结构。这与多智能体的建模方法的思想不谋而合。近年来，兴起的多智能体建模方法中，智能体遵循一些简单的规则，整体上也会由于智能体群体行为引起的非线性关系而呈现出非常复杂的结果。 本研究采用Ｓｗａｒｍ实现多智能体模型，目的是理解个体行为和动机与杜能预测的圈层结构这种全局模式的关系。面对个体复杂的行为，通过适当地抽象，并通过定义个体层次上的行为、规捌，最终展现杜能圈式的空间结构的形成过程。 ２杜能模型的基本原理 根据藤田昌久等所著的《集聚经济学》”’中“杜能模型和土地租金的形成”这一章节中对基本模型的描述，杜能模型是基于下述假设前提的。世界上存在着一个四周被荒地包围着的孤立国，其中心是一个城市。周围各地的农产品都要在城市中进行交易。因此它被看作是一个孤立国。这一 万方数据万方数据
文章指出，算法博弈论是博弈论和算法设计的交叉领域，热点研究问题包括算法机制设计、计算社会选择理论、（社交）网络分析、均衡分析等。博弈论在安全领域的资源分配及调度方面的理论得到了成功应用。多智能体学习、分布式问题求解、分布式规划，以及“多智能体图灵测试”问题也都是挑战性的研究论题。 多智能体系统由一组交互协同的自主智能体构成，以自主智能体和多智能体系统的理论和技术为基础，提供相应的原理、方法、语言和工具来支持软件系统的工程化开发。国防科学技术大学教授毛新军撰写的《面向智能体软件工程》，提出了与具有自适应、自组织、自我管理、持续演化等特点的软件系统研究相融合和交叉的问题，以推动此研究向纵深发展。 智能体所具有的感知性、适应性、自治性、主动性和协作性等使得其能够根据环境的变化，灵活、自主地采取行动以满足设计要求，也为软件自适应动态演化的研究提供了一个全新的思路。西安电子科技大学教授李青山等撰写的《基于智能体的在线演化机制及支撑环境》，介绍了基于智能体的在线演化机制及支撑环境，可保证系统在不中断运行的情况下，根据用户需求和环境信息的变化，对智能体之间的协作关系进行调整，以提高软件的自适应演化能力、生命力等，降低软件开发、维护和运行成本。 多智能体系统是复杂问题求解与复杂系统建模的一种有效工具，采用自底向上的方法对个体及个体间的局部交互进行建模，模拟系统的全局行为，实现系统的宏观目标。吉林大学教授杨博等撰写的文章《网络理论与多智能体系统研究》，介绍了网络结构分析的研究背景、主要进展，分析了其发展趋势，并在此基础上讨论了国内外有关复杂网络与多智能体系统研究的主要工作，尝试从网络理论的视角，审视多智能体系统研究的新思路和新方法。 社会网络主要由自治的社会 智能体，又称主体，是指通过传感器感知环境、效应器作用于环境，并主动执行动作的实体。经过近30年的发展，智能体和多智能体系统已经逐渐成熟，成为国际人工智能领域的前沿和研究热点。在近年来的AAAI人工智能会议(AAAI)和国际人工智能联合会议(IJCAI)上，录用数量最多的也是这方面的文章。 为了交流智能体和多智能体系统的最新研究成果，更好地推动其在我国的研究发展，今年3月，中国科学院计算技术研究所在北京召开了智能体和多智能体系统研讨会，与会专家围绕这一主题，进行了深入探讨。大家认为，智能体和多智能体系统当前的研究热点、面临的挑战和发展趋势值得让更多的人了解，于是，我们组织了本期专题。 新加坡南洋理工大学南洋助理教授、中科院计算所副研究员安波等撰写的《多智能体系统研究的历史、现状及挑战》，介绍了多智能体系统的起源、发展、当前的研究热点和未来发展趋势。特邀编辑：史忠植1 安 波1,2 1中国科学院计算技术研究所 2新加坡南洋理工大学 智能体和多智能体系统研究关键词：智能体 多智能体系统
2016年教育部自然科学奖推荐项目公示材料 1、项目名称：多智能体系统分布式协同控制 2、推荐奖种：自然科学奖 3、推荐单位:东南大学 4、项目简介: 多智能体系统是20世纪末至21世纪初分布式人工智能领域的国际前沿研究课题，其核心支撑理论是人工智能、分布式控制和分布式计算。进入21世纪，人们在解决大型、复杂的工程问题时，发现单个智能体的能力已经无法胜任，需要多个智能体在网络环境下以信息通讯的方式组成多智能体系统协同地解决工程问题。典型的多智能体系统包括多机器人系统，多无人机系统，智能电网和分布式卫星系统等。本项目系统深入研究了多智能体系统协同控制的共性问题、网络结构控制、通讯受限等关键科学问题，取得的重要科学发现如下： (1)通过引入一致性区域的概念，把二阶和高阶系统一致性问题转化为研究一致性区域的稳定性范围，给出了具有固定网络拓扑的多智能体线性系统二阶和高阶一致性的充分必要条件，解决了长期困惑研究者的多智能体系统协同控制器设计的本质问题；提出有向网络的广义代数连通度作为有向网络收敛判别的基本依据，推广了无向网络的代数连通度。 (2)给出了牵制控制无向网络实现同步的一般条件；克服非对称网络拓扑结构的本质困难，解决了有向网络同步牵制控制的挑战问题；采用图分解引入匹配割点和割集，完善了矩阵分解的谱理论，解决网络牵制控制一个结点的最优控制的关键难题。 (3)利用非奇异M矩阵理论和切换系统稳定性分析方法，突破了通过求解闭环系统的解曲线，然后再进行稳定分析的技术性瓶颈，发现了具有间歇信息通讯的二阶多智能体系统一致性的实现与降阶后的低维切换系统全局稳定性的内在本质联系，解决了切换有向拓扑下多智能体系统的协同一致性的难题。 项目组近年来在IEEE、Automatica、SIAM等本领域著名期刊上发表多智能体系统协同控制SCI论文110篇。10篇代表性论文SCI他引1159次，WOS 他引1433次，Google Scholar他引2165次，全部为ESI工程领域前1%高被引论文，9篇论文Google Scholar他引超过100次，6篇论文发表至今在所在期刊的SCI引用排名居于前2位，被38位院士和IEEE Fellow在Nature、Nature Physics、IEEE汇刊等正面评价，相关成果获亚洲控制会议最佳论文奖、IEEE 电路与系统协会神经系统与应用技术委员会最佳理论论文奖、全国复杂网络学术会议最佳学生论文奖、IEEE国际电路与系统会议最佳学生论文奖提名等。
多智能体 1简介 说到“多智能体”，一般专指多智能体系统（MAS，Multi-AgentSystem）或多智能体技术（MAT，Multi-Agent Technology）。多智能体系统是分布式人工智能（DAI，DistributedArtificial Intelligence）的一个重要分支，是20世纪末至21世纪初国际上人工智能的前沿学科。研究的目的在于解决大型、复杂的现实问题，而解决这类问题已超出了单个智能体的能力。 1989年举行的第一届国际多智能体欧洲学术会议，标志着该技术受到了研究者的广泛重视。1993年首次召开了智能体形式化模型国际会议，1994年又召开了第一届智能体理论、体系结构和语言国际会议，表明多智能体技术日益获得了重视。 2 定义 多智能体系统是多个智能体组成的集合，它的目标是将大而复杂的系统建设成小的、彼此互相通信和协调的，易于管理的系统。 它的研究涉及智能体的知识、目标、技能、规划以及如何使智能体采取协调行动解决问题等。研究者主要研究智能体之间的交互通信、协调合作、冲突消解等方面，强调多个智能体之间的紧密群体合作，而非个体能力的自治和发挥，主要说明如何分析、设计和集成多个智能体构成相互协作的系统。 同时，人们也意识到，人类智能的本质是一种社会性智能，人类绝大部分活动都涉及多个人构成的社会团体，大型复杂问题的求解需要多个专业人员或组织协调完成。要对社会性的智能进行研究，构成社会的基本构件物——人的对应物——智能体理所当然成为人工智能研究的基本对象，而社会的对应物——多智能体系统，也成为人工智能研究的基本对象，从而促进了对多智能体系统的行为理论、体系结构和通信语言的深入研究，这极大的繁荣了智能体技术的研究与开发。 3优势特点 多智能体系统在表达实际系统时，通过各智能体间的通讯、合作、互解、协调、调度、管理及控制来表达系统的结构、功能及行为特性。 多智能体系统具有自主性、分布性、协调性，并具有自组织能力、学习能力和推理能力。采用多智能体系统解决实际应用问题，具有很强的鲁棒性和可靠性，并具有较高的问题求解效率。 多智能体系统是智能体技术应用及研究上的一个质的飞跃，不同行业的专家学者对之进行了深入的研究并从多个角度阐述了多智能体系统用于解决实际问题的优势，归纳起来，主要有以下几点： （1）在多智能体系统中，每个智能体具有独立性和自主性，能够解决给定的子问题，自主地推理和规划并选择适当的策略，并以特定的方式影响环境。