【AAMAS2022教程】多智能体分布式约束优化，235页ppt

智能体队通常必须以一种分布式的方式协调他们的决策，以实现个体和共享的目标。示例包括面向服务的计算、传感器网络问题和智能设备协调家庭问题。这类问题可以形式化并以不同的方式求解，但一般来说，多智能体协调过程是非易的，NP -难求解的。

在本多智能体分布式约束优化教程中，我们将讨论在多智能体系统(MAS)文献中提出的处理协调问题的两种基本方法，一种基于分布式约束优化问题(DCOPs)，另一种基于联盟形成(CF)。

在第一部分中，我们将介绍关于DCOP的核心概念和模型的可访问的和结构化的概述。我们还将阐述解决DCOP的最优和次优方法。

在第二部分，我们将讨论用于MAS建模的核心概念，即特征函数博弈(CFGs)，以及在无约束和有约束的CFGs中，哪些最优和近似的方法可以形成联盟。我们将通过在第一部分和第二部分之间建立一个有趣的联系来结束这一部分，展示如何使用约束优化问题(cop)来解决CF问题。

最后，我们将邀请与会者对来自实际应用的一些示例问题进行建模，并讨论相关的解决方法。本文将概述python库pyDCOP中的一些代码和可执行示例。本教程将以最常见的挑战和开放问题结束。

https://www.gauthier-picard.info/dcop-tutorial/#outline-short-description