在多Agent環(huán)境中求帕累托效率解的方法研究.pdf

1、多Agent系統(tǒng)（MAS）及其相關技術近年來受到越來越多的研究者的關注。它不僅已經被廣泛運用到了Internet、辦公自動化、沖突協(xié)調、決策支持、開放式信息系統(tǒng)等眾多領域。并且它還是博弈論和人工智能交叉領域研究的熱門問題之一。
　　 在一個競爭的環(huán)境中，一個令人滿意的多Agent學習算法應該至少是理性的，它應該能保證自己的安全收益。在一個可合作的環(huán)境中，一個令人滿意的多Agent學習算法應該是滿足合作性的，在與公正對手博弈時，應

2、盡可能的達到雙贏的局面。目前，有很多算法都可以滿足理性，而另一些算法能夠在與公正對手的博弈中取得高額回報，但是卻不能二者兼得。
　　 在本文中，我們詳細分析了MAS中的學習環(huán)境理論模型，簡要介紹了多Agent環(huán)境中學習算法應具備的屬性，并分析了當前一些學者提出的算法。然后分析了Q-學習算法，WoLF原理，并介紹了Roben Axelrod實驗。根據(jù)以上三個方面，我們分析了一個優(yōu)秀的算法應能從歷史博弈中進行學習，并且應該兼顧理性與

3、合作性。在此基礎上我們提出了PESCO算法，它能從以往的收益和對手的動作中學習到對手的特點，并且具備善意的、寬容的、強硬的特點。它在自博弈時滿足自兼容性，它對非合作對手滿足理性，保證安全收益，對合作對手，尋求帕累托效率解，達到雙贏局面。
　　 我們以可合作的供零博弈、Stackelberg博弈和非合作的猜硬幣博弈為背景，通過一系列的實驗來驗證PESCO算法的有效性，詳細描述了實驗過程的每一個細節(jié)，說明了該算法無論在可合作的博弈中