15、大规模多智能体系统中的多样性与CARAVAN框架

大规模多智能体系统中的多样性与CARAVAN框架

大规模多智能体系统中的自适应架构与集体适应引擎

在大规模多智能体系统中，存在一种灵活的架构来处理各种问题。当较低层级无法解决问题时，会将问题向上升级。例如，若路线管理器（RM）实例无法独自解决公交车延误问题，它可能会将问题提升到FlexiBus系统层面，尝试通过调用其他路线来找到解决方案。通过整合所有通信信息，能构建出更复杂的场景，如在FlexiBus系统层面，通过将部分乘客重新分配到其他路线来解决公交车延误问题。

这种架构不仅可用于构建具有灵活集体适应能力的任意大型分层系统，还能基于元素间的点对点链接设计任何拓扑结构。

集体适应引擎（CAE）是一个重要的组件，它有独立的Java实现版本。该引擎最初作为独立组件发布，并在DeMOCAS框架中得到应用。

DeMOCAS是用于建模和执行集体自适应系统（CAS）的框架，围绕以下三个主要方面构建：
- 动态设置 ：每个CAS是由自主智能体动态进出系统所组成的集合。
- 系统的协作性质 ：智能体可以分组协作（即集合），以实现互利共赢。
- 集体适应 ：多个智能体必须协同调整其行为，以应对关键的运行时障碍。

在这个框架中，集体适应用于处理不可预测的变化，这些变化通常会影响不同的运行智能体。集体适应通过利用处理程序和求解器结构，并为每个智能体关联一个MAPE（监控、分析、规划、执行）循环来实现，这使得系统在面对可能导致更僵化方法失败的情况时具有鲁棒性和弹性。

例如，在DeMOCAS的集体适应查看