多智能体系统
课程编码：BY英文名称：Multi-Agent Systems课时：20学分：1.00课程属性：专业课主讲教师：毛文吉
中文介绍
 多智能体系统是人工智能的一个前沿研究与应用领域，也是近年来人工智能研究最活跃的领域之一。该领域同时具有鲜明的学科交叉特点，可以看作是对传统智能研究在分布式、社会化和群体智能方向的延伸。本课程结合多智能体领域发展的基础性、交叉性和前沿性特点，从交叉领域的理论模型出发，落实在面向多智能体的计算模型、技术方法和代表性成果。在具体授课内容上，侧重对多智能体建模、推理、决策、学习和协作中的基础性问题的讲解和引申，帮助学生理解基于多智能体的研究风范、掌握面向智能体的理论方法和关键技术，并为开展学科交叉的研究与应用打下一定的基础。 
英文介绍
 Multi-agent systems is a leading-edge research and application field in artificial intelligence. It is also one of the most active areas of AI research in recent years. Meanwhile, it has distinct interdisciplinary characteristic, and can be viewed as the extensions of traditional AI research in the directions of distributed, social and collective intelligence. Combined with the fundamental, interdisciplinary and leading-edge characteristics of development in multi-agent domain, this course starts from the theoretical models in crossing domains, grounding in the multi-agent oriented computational models, technical approaches and representative achievements. In the detailed contents, it focuses on teaching and extending the fundamental issues in multi-agent modeling, reasoning, decision-making, learning and collaboration, so as to help students understand the multi-agent based research paradigm and master the multi-agent oriented theories, methods and key technologies, as well as lay a foundation for conducting interdisciplinary research and applications. 
教学目的要求
 多智能体系统是人工智能研究的一个十分重要的前沿学科交叉领域。本课程面向人工智能、计算机及相关学科方向的研究生，围绕多智能体建模、推理、决策、学习、协作中的基础性问题，结合该领域发展的基础性、交叉性和前沿性特点，以专题形式讲授该领域学科交叉的基础理论、先进技术方法和代表性研究成果。希望学生在掌握课程内容的同时，增强分析解决实际问题和学科交叉的综合能力。 
预修课程
 概率论与数理统计、数据结构与算法 
主要内容
本课程聚焦多智能体系统研究与应用的主要内容，包括智能体心智模型、规划推理与决策、博弈与学习、团队合作与协作、认知与社会模拟、以及智能体体系结构等知识。通过本课程的学习，要求学生了解分布式人工智能的主要研究进展，理解基于多智能体的研究设计风范，掌握面向智能体的理论方法与关键技术，并探索多智能体系统设计和实现的相关问题。
授课方式：课堂讲授为主，结合课后作业和答疑。
教学内容安排：
专题1  概述（1学时）
1.1  分布式人工智能的发展
1.2  自主智能体与多智能体系统
1.3  多智能体系统的主要研究进展
本章学习要求：知晓人工智能的学派争鸣、多智能体领域形成的背景及其发展历程；了解多智能体领域主要研究与应用进展、近期的研究热点、当前面临的主要问题和挑战以及未来可能的发展方向；理解智能体的本质特性、多智能体系统的基本内涵及其与其它概念的区别和联系；知晓本课程的主要授课内容和基础性问题的侧重。
专题2  智能体心智模型（2学时）
2.1  信念-愿望-意图（BDI）模型
2.2  联合意图与共享规划
2.3  过程推理系统（PRS）
本章学习要求：理解关于心智的哲学理论以及作为智能体心智模型的理论基础，Bratman关于意图、规划和实用推理的相关学说；掌握代表性的智能体心智模型：信念-愿望-意图（BDI）模型的内涵及其定义；理解关于BDI模型的模态逻辑形式化表达的核心思想，以及该模型最具代表性的实现：过程推理系统（PRS）。
专题3  智能规划与决策（4学时）
3.1  偏序规划方法
3.2  图规划方法
3.3  层次任务网络规划
3.4 概率规划方法
3.5 本专题小结
本章学习要求：理解智能体规划问题求解的表示结构和推理过程；掌握STRIPS规划表示及其优缺点和基于状态空间搜索的规划方法；在此基础上着重掌握两种经典的代表性规划推理方法：偏序规划和图规划方法；以及掌握两种对经典智能规划在层次性和不确定上的扩展方法：层次任务网络规划和概率规划方法；理解每种规划推理方法的本质特点、复杂度以及各方法之间的区别和优缺点比较。
专题4  智能体博弈与学习（4学时）
4.1  博弈与均衡
4.2  纳什均衡求解
4.3  强化学习基础
4.4 多智能体学习
4.5 本专题小结
本章学习要求：了解博弈思想和博弈论在交叉领域的发展简史；掌握博弈和纳什均衡的概念定义；针对基础的双人博弈，掌握纳什均衡求解的基本方法；针对单智能体强化学习，掌握强化学习的基础概念；在此基础上，着重掌握三类基本的智能体强化学习方法，包括基于值函数的方法、基于策略梯度的方法和基于行动者-评论家的方法；了解博弈论与人工智能结合的代表性成果以及从单智能体到多智能体学习的方法变迁。
专题5  团队合作与协作（2学时）
5.1  团队合作BDI模型
5.2  任务共享与结果共享
5.3  多智能体通信语言
本章学习要求：理解团队合作的基本特征、合作机制及其建模难点；在单智能体BDI模型的基础上，掌握代表性的团队合作BDI模型的内涵及其定义；进一步理解联合意图和共享规划的含义，以及该模型的代表性实现系统；掌握多智能体协作中的任务共享和结果共享机制；了解基于言语行为理论的多智能体通信语言的发展及其代表性语言。
专题6  认知与社会模拟（2学时）
6.1  认知与社会模拟的心理学理论
6.2  面向智能体的认知与心理模拟
6.3  面向多智能体交互的社会模拟
本章学习要求：了解面型智能体的认知与社会计算交叉研究的层次、瓶颈问题及相关心理学理论；理解关于人的动因与因果归因、从认知到情绪到行为的的理论模型；在此基础上，深入理解面向智能体的认知模拟与情绪计算模型、以及面向多智能体交互的社会因果推理计算模型的内容和评估。
专题7  智能体体系结构（2学时）
7.1  反应式体系结构
7.2  混合式体系结构
7.3  SOAR认知结构
本章学习要求：理解关于智能体体系结构设计的主要思想；掌握面向智能体的反应式体系结构、慎思式体系结构和结合二者的混合式体系结构的代表性系统设计；在体系结构之上，深入理解基于Newell的认知统一理论、反映人类认知行为及其规律的SOAR智能体/认知结构的基本思想及其设计内容；了解关于多智能体系统设计和实现的主要软件和工具集。
课时分配
 
  
    
    
 
     
 
      
 
     
 
    
课程思政
 在课程教学过程中帮助树立正确的思想观念，强化学生作为国家未来科技人才的工程伦理和职业道德教育；通过对国内外研究进展的比较分析，激发学生的科研热情、树立科技报国的志向和使命担当。例如：在讲授专题1“概述”时，介绍多智能体系统的发展历程和研究进展的同时，指出我国与国外相比存在较大的技术落差，培养学生科技强国、自强自立的精神。讲授专题3“智能规划与决策”和专题4“智能体博弈”内容时，通过讲解相关技术内容在国防、军事领域的重大应用，激励学生勇于挑战关键技术瓶颈，强化为提升国家核心竞争力做贡献的思想意识。 
教材
参考文献
 [1]安波，高阳，俞扬等著. 《分布式人工智能》. 电子工业出版社，2022年11月
[2]M. Wooldridge. An Introduction to MultiAgent Systems (2nd Edition). Wiley, 2009. 
课程教师信息
 毛文吉，中科院自动化所研究员、博士生导师，中国科学院大学岗位教授。2006年于美国南加州大学计算机科学系获博士学位，曾任德国人工智能研究中心科学家。主要从事人工智能理论方法与技术研究及其在复杂社会计算系统与网络大数据环境下的应用，参与多项国内外重大研究计划，主持多项国家自然科学基金项目及重点项目课题、国家重点研发计划项目课题、中科院及国家部委项目。撰写Academic Press出版的学术专著一部，主编Elsevier和Springer出版的学术论著多部，发表重要学术期刊和高质量国际会议论文150余篇。担任《ACM Computing Surveys》、《IEEE Intelligent Systems》等国际期刊编委，先后任ACM北京分会主席、中国人工智能学会理事、中国计算机学会大数据专家委委员等职。获得中国自动化学会科技进步一等奖、中国人工智能学会吴文俊人工智能科技创新二等奖以及南加州大学授予的杰出学术成就奖。 
其它说明