3、分布式问题解决与规划：原理、动机与策略

分布式问题解决与规划：原理、动机与策略

在当今复杂的科技环境中，分布式问题解决（Distributed Problem Solving，DPS）和分布式规划变得越来越重要。下面我们将深入探讨分布式问题解决的相关概念、动机以及任务共享策略。

1. 分布式系统中的合作与挑战

在分布式任务中，合作的核心在于各智能体重视“全局结果的发展”。例如，分布式车辆监控测试平台（Distributed Vehicle Monitoring Testbed，DVMT）模拟了多个地理上分散的传感器节点，这些节点的共同目标是将各自的局部地图整合为车辆运动的全局地图。在共同努力使分布式系统趋向全局解决方案的过程中，每个节点都在帮助其他节点尽快做出“良好的局部解释”。

然而，Durfee和Rosenschein指出，像DVMT这样基于局部视角解决问题，可能会导致全局上不一致的局部决策。在缺乏明确的责任或利益指导方针的情况下，智能体之间可能会相互传递过多的无用信息，甚至会通过发送的信息分散其他实体的注意力，使其去执行不重要的任务。

此外，对于一个系统要被视为DPS系统，目标的共同程度应该达到何种水平并不明确。例如，在一个智能体参与竞争的环境中，它们可能在举办竞争这一高层次目标上达成一致，但在谁应该赢得竞争这一目标上存在分歧。又如PERSUADER系统，代表劳资合同双方的智能体虽然都有达成协议的目标，但在评估候选合同时有不同的偏好，这就引发了该系统是否属于DPS类别的疑问。

2. 集中式设计者假设

集中式设计者假设涉及DPS系统是否由集中式设计者设计。为了使系统的各个部分作为一个整体有效运行，集中式设计者可能会设计和实现具有善意特征的智能体。在构建