通過游戲進行優化和決策的多智能體系統

在人工智能中，多智能體系統可以被認為是一個由個人(智能體)組成的社會，他們通過交流知識和談判來實現個人/全球目標。在現實生活中，多智能體系統用于資源管理;信息安全;制造計劃、調度和控制;監測、診斷和控制;電子商務;生物醫學;和虛擬企業。鑒于它們的巨大用途，研究人員不斷試圖尋找在現實世界中使用這些系統的新方法。

華東理工大學唐洋教授，澳大利亞斯威本科技大學歐洲科學院院士、IEEE院士韓慶龍教授，德國波茨坦氣候影響研究所歐洲科學院院士尤爾根·庫爾特斯教授，共同深入挖掘與多代理系統相關的問題。他們探索了從優化到博弈的多智能體系統的合作/非合作行為的本質，作為解決復雜現實世界問題的方法。

“多智能體系統通常涉及目標沖突的多目標優化，每個對象都不可避免地受到不確定性的影響。因此，博弈論可以為多智能體系統提供更多的解決方案，并提供跨學科整合的手段，例如博弈與控制、人工智能、數學和其他學科的整合。

他們考慮博弈論有一個重要原因。游戲，尤其是回合制策略游戲，在我們身邊無處不在。博弈是針對相互依存的情況，根據主體的行為和動作順序，可以分為合作博弈和非合作博弈，也可以分為靜態博弈和動態博弈。研究人員已經整合了這兩種分類，以便更全面地了解復雜的現實世界場景。

在他們的調查中，作者使用博弈論為個人或全局優化目標創建合作或競爭行為模型。重點是多智能體系統中合作與競爭的三個方面：合作優化、合作博弈和非合作博弈。“對于與游戲相關的問題，當一個智能體的目標可能與其他智能體的目標不同或完全相反時，就會形成非合作博弈;相反，當一個代理人絕對與其他代理人合作并考慮共同利益時，就會形成合作博弈。

調查從多個角度進行研究：首先，聚焦分布式在線優化、聯邦優化及其在隱私保護中的應用。然后，通過分別關注具有合作和競爭因素的靜態和動態博弈，該研究以新穎的方式彌合了從合作優化到合作博弈的過渡。

那么這些發現可以在哪里使用呢?

作者使用一個特別說明性的例子說：“在智慧城市中，這些發現可用于構建依賴城市大數據的智能交通決策系統。這意味著可以優化路口紅綠燈的持續時間，從而調節流量，平衡路網負荷，提高道路資源的利用效率。

應用范圍也包括其他領域。在經濟學中，市場競爭可以建模為博弈問題。在信息安全中，通過識別交互信息的意圖和預測攻擊行為，可以構建非合作攻防博弈，找到最優的防御策略。即使在藥物開發中，也可以構建合作博弈以獲得大分子結構的最大效用。