通过游戏进行优化和决策的多智能体系统

在人工智能中，多智能体系统可以被认为是一个由个人(智能体)组成的社会，他们通过交流知识和谈判来实现个人/全球目标。在现实生活中，多智能体系统用于资源管理;信息安全;制造计划、调度和控制;监测、诊断和控制;电子商务;生物医学;和虚拟企业。鉴于它们的巨大用途，研究人员不断试图寻找在现实世界中使用这些系统的新方法。

华东理工大学唐洋教授，澳大利亚斯威本科技大学欧洲科学院院士、IEEE院士韩庆龙教授，德国波茨坦气候影响研究所欧洲科学院院士尤尔根·库尔特斯教授，共同深入挖掘与多代理系统相关的问题。他们探索了从优化到博弈的多智能体系统的合作/非合作行为的本质，作为解决复杂现实世界问题的方法。

“多智能体系统通常涉及目标冲突的多目标优化，每个对象都不可避免地受到不确定性的影响。因此，博弈论可以为多智能体系统提供更多的解决方案，并提供跨学科整合的手段，例如博弈与控制、人工智能、数学和其他学科的整合。

他们考虑博弈论有一个重要原因。游戏，尤其是回合制策略游戏，在我们身边无处不在。博弈是针对相互依存的情况，根据主体的行为和动作顺序，可以分为合作博弈和非合作博弈，也可以分为静态博弈和动态博弈。研究人员已经整合了这两种分类，以便更全面地了解复杂的现实世界场景。

在他们的调查中，作者使用博弈论为个人或全局优化目标创建合作或竞争行为模型。重点是多智能体系统中合作与竞争的三个方面：合作优化、合作博弈和非合作博弈。“对于与游戏相关的问题，当一个智能体的目标可能与其他智能体的目标不同或完全相反时，就会形成非合作博弈;相反，当一个代理人绝对与其他代理人合作并考虑共同利益时，就会形成合作博弈。

调查从多个角度进行研究：首先，聚焦分布式在线优化、联邦优化及其在隐私保护中的应用。然后，通过分别关注具有合作和竞争因素的静态和动态博弈，该研究以新颖的方式弥合了从合作优化到合作博弈的过渡。

那么这些发现可以在哪里使用呢?

作者使用一个特别说明性的例子说：“在智慧城市中，这些发现可用于构建依赖城市大数据的智能交通决策系统。这意味着可以优化路口红绿灯的持续时间，从而调节流量，平衡路网负荷，提高道路资源的利用效率。

应用范围也包括其他领域。在经济学中，市场竞争可以建模为博弈问题。在信息安全中，通过识别交互信息的意图和预测攻击行为，可以构建非合作攻防博弈，找到最优的防御策略。即使在药物开发中，也可以构建合作博弈以获得大分子结构的最大效用。