聯繫我們

課程簡介

多代理系統簡介

  • 代理、環境與交互模型概覽
  • 代理系統中的合作、競爭與自主性
  • 在物流、機器人及決策中的應用

代理架構核心概念

  • 反應式與深思熟慮型代理
  • 通信協議與協調模型
  • 知識表示與共享狀態

在 Python 中實現代理

  • 使用 Mesa 框架構建代理
  • 建模環境與交互
  • 模擬代理行為與可視化

協調與通信

  • 消息傳遞與共享內存架構
  • 協商、共識與任務分配
  • 協調算法(合同網、基於市場的、蜂群模型)

多代理系統中的學習與適應

  • 用於多代理的強化學習
  • 合作與競爭性學習動態
  • 使用 PettingZoo 和 Stable-Baselines3 進行多代理強化學習(MARL)

分佈式計算與擴展

  • 使用 Ray 進行分佈式多代理模擬
  • 管理併發與同步
  • 平行化計算與處理共享資源

人機協作

  • 設計環中人協調的界面
  • 結合 AI 輔助決策支援的混合工作流
  • 倫理與運營考量

最終項目

  • 在 Python 中設計並實現多代理系統
  • 展示代理間的協調與學習能力
  • 呈現模擬結果與性能洞察

總結與後續步驟

最低要求

  • 具備堅實的 Python 程式設計 proficiency
  • 深入理解強化學習或 AI 代理設計
  • 熟悉分佈式系統與網路概念

受眾

  • 設計協作性或分佈式 AI 系統的系統架構師
  • 從事協調與群體智能研究的研究人員
  • 開發人類與代理混合或多代理工作流的工程師
 28 小時

課程分類