43、多智能体计划协调：方法与策略

多智能体计划协调：方法与策略

1 多智能体任务分配与协商

在多智能体系统中，为了增加潜在投标者的数量，可以放宽资格要求，或者以不同方式分解任务以吸引不同的投标者群体。即使收到投标，也可能没有一个是可接受的，就像没有收到投标一样。若有一个或多个投标可接受，那么可以将感知子任务分配给一个或多个投标智能体。

值得注意的是，由于拥有任务的智能体可以选择宣布的内容和接受的投标，符合条件的智能体也能选择是否投标以及投标内容，因此没有智能体被迫参与合同。智能体之间进行初步的协商，并通过相互选择形成团队。

2 协调前的局部规划

在某些问题领域，预测和预先安排所有可能的交互解决方案既困难又成本高昂。例如，在一个环境中，智能体可能在很大程度上独立地追求各种目标，但环境的某些方面是共享的，一个智能体对环境的影响可能会影响另一个智能体实现其目标的方式甚至可能性。因此，协调应基于智能体在当前情况下的实际计划以及由此产生的交互。

这种观点从“分而治之”的问题解决角度来看很有吸引力。其思路是将问题分解，使智能体最初将自己的局部问题视为独立的，这样每个智能体都可以与其他智能体同时制定自己的计划。制定完各自的计划后，智能体需要协调这些计划以解决它们之间的意外交互。我们将解决单独形成的智能体计划之间交互的问题称为多智能体计划协调问题（MPCP）。

2.1 MPCP与分布式约束满足问题

多智能体规划的这种观点与分布式约束满足公式兼容，其中变量是智能体的计划，约束确保这些计划能够适当地衔接。在分布式约束满足方法中，每个智能体负责一组变量，每个变量都有一个相关的值域（通常是有限的），并且其值的分配可能会受到其他变量（可能属于其他智能体