15、可降级多智能体系统的鲁棒规划技术

可降级多智能体系统的鲁棒规划技术

1. 引言

计算机系统在按计划运行时，会实现预期目的并达到期望的性能水平。然而，实际中常出现预期条件不满足的情况，导致无法达到预期性能。在关键任务应用中，这种情况可能意味着系统直接失败；但在大多数应用里，系统性能并非简单的布尔值，而是在一定范围内变化。当预期条件未满足时，系统应能适应变化，以较低性能水平继续运行，而非直接停止。

多智能体系统是一类常需应对此类问题的计算机系统。其运行环境不断变化，不确定性问题更为突出。多智能体系统应是可降级的计算系统，能适应环境变化和意外事件，尽力维持可接受的性能水平。这是“智能”系统的关键要素。多智能体系统的发展为容错技术带来了机遇和挑战。一方面，多智能体的容错方法可拓展容错系统的研究，将性能和可靠性集成到统一框架中；另一方面，多智能体系统中的故障概念与传统系统不同，提高其可靠性需要拓展容错范围并采用新型容错技术。

目前，该领域的研究主要集中在处理多智能体环境中的不确定性。例如，Decker和Lesser的TAEMS框架用概率分布来建模任务的不同可能结果。解决环境不确定性的方法通常将其视为不确定条件下的规划问题，如使用马尔可夫决策过程（MDPs）来建模随机环境中的顺序决策，以及使用扩展模型进行智能体承诺和应急规划。但这些方法存在假设和局限性，且复杂度较高，在大规模智能体系统中的适用性有限。我们不仅要追求最佳效用，还需确保系统在意外事件发生时能优雅降级。因此，在提高预期效用的同时，不能忽视可靠性问题，需为系统实现增强其鲁棒性的机制。

2. 多智能体系统中性能与可靠性的综合视图

与传统系统相比，多智能体系统在解决问题方面提供了新视角，具有以下几个重要特征：
- <