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，旨在达成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未满足的情况，导致无法达到预期性能。在一些关键任务应用（如导弹发射过程）中，这种情况被视为彻底失败，系统设计者的任务是防止意外事件发生。但在大多数应用中，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。

多智能体系统作为一种计算机系统，经常需要应对类似问题。其运行环境不断变化，不确定性问题更为突出，因此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。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，多智能体容错方法可拓展容错系统研究，将性能和可靠性集成到统一框架；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，如使用Markov决策过程（MDPs）建模随机环境中的顺序决策，以及应用扩展的智能体承诺模型和应急规划。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，提高系统可靠性、增强其鲁棒性的机制十分必要。

2. 多智能体系统中性能与可靠性的综合视角

与传统系统相比，多智能体系统在解决问题方面有新视角，其具有以下重要特征：
- 自主性 ：智能体是自主的，每个智能体都是独立决策者，不受外部实体强制控制。智能体活动是自身决策的结果，但这并不意味着智能体是孤