32、多智能体编程竞赛中的黄金收集策略与实现

多智能体编程竞赛中的黄金收集策略与实现

在多智能体编程竞赛的场景中，有两种不同的实现方案值得我们深入探讨，它们分别采用了不同的技术和架构来实现收集黄金的目标。

基于2APL的黄金收集方案

在竞赛中，为了尽可能多地挖掘黄金，团队采用了基于2APL的多智能体系统。在系统分析与设计阶段，经过对多种方法的评估，最终选择了Tropos和Moise+相结合的方法。

• 方法选择原因 ：Gaia方法过于关注组织结构的规范，缺乏实现指导，对目标和计划的定义模糊，且缺少特定符号；Prometheus方法虽然详细描述了实现阶段，但竞赛场景规模小，一些原本需通过该方法确定的细节从一开始就已知，因此显得多余。
• Tropos设计阶段 ：
  • 早期需求分析 ：每个玩家有自己的地图实例，侦察员将探索信息告知领导者，领导者收集足够信息后更新地图并分配黄金挖掘任务。侦察员和矿工依赖领导者的地图更新，领导者依赖他们的信息资源。
  • 目标分解 ：通过Moise+的概念，将团队的最终目标“成为最富有”分解为更新黄金位置、探索地图和挖掘黄金三个子目标。目标分为执行性目标和成就性目标。
  • 角色定义 ：在Moise+的结构层面，定义了领导者、侦察员和矿工三种角色。团队最多有一名领导者和零到六名玩家，玩家可担任侦察员或矿工角色。领导者与侦察员和矿工进行沟通，协调任务顺序。
  • 责任耦合 <