基于自动谈判的协作与竞争——面向多个自我本位的Agent的智能规划

与传统的智能规划不同，面向多Agent系统的智能规划要考虑与行动方案（既规划）相关的多个行动方或利益攸关方。在许多相关研究中，各Agent之间是完全协作或完全竞争的关系。然而在现实中，各Agent往往是自我本位的（既考虑其私有目标与利益）；而它们之间也不是简单的你输我赢、你损我益的关系，因为各Agent的能力有限且往往互不相同，一定程度的合作有利于各方。如何在考虑各方的行动能力、目标与利益的前提下，通过一种既有协作又含竞争的方式解决各Agent间的利益纠葛，并寻找到一个可以被各方所接受的最佳行动方案，是目前人工智能理论研究的新挑战。本课题将研究基于多Agent动作推理的自动谈判等理论问题；提出一个面向多个自我本位的Agent的规划问题模型与框架；制定一套可以实现各Agent间因协作和竞争而互动的交互式自动谈判机制；然后设计相应的规划求解算法，并在某仿真平台上将其实现。

与传统的智能规划不同，面向多Agent 系统的智能规划要考虑与行动方案（既规划）相关的多个行动方或利益攸关方。在许多相关研究中，各Agent 之间是完全协作或完全竞争的关系。然而在现实中，各Agent 往往是自我本位的（既考虑其私有目标与利益）；而它们之间也不是简单的你输我赢、你损我益的关系，因为各Agent 的能力有限且往往互不相同，一定程度的合作有利于各方。如何在考虑各方的行动能力、目标与利益的前提下，通过一种既有协作又含竞争的方式解决各Agent 间的利益纠葛，并寻找到一个可以被各方所接受的最佳行动方案，是目前人工智能理论研究的新挑战。本项目研究了基于多Agent 动作推理的自动谈判等理论问题；提出了一个面向多个自我本位的Agent 的规划问题模型与框架；制定了一套可以实现各Agent 间因协作和竞争而互动的交互式自动谈判机制；设计了一个相应的多项式复杂的规划算法。