聯繫我們

課程簡介

多代理系統介紹

  • 代理、環境及交互模型概覽
  • 代理系統中的合作、競爭與自主性
  • 在物流、機器人技術及決策中的應用

代理架構的核心概念

  • 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

使用 Python 實現代理

  • 使用 Mesa 框架構建代理
  • 環境建模與交互
  • 模擬代理行為及可視化

協調與通信

  • 消息傳遞與共享內存架構
  • 談判、共識及任務分配
  • 協調算法(合同網、基於市場、群體模型)

多代理系統中的學習與適應

  • 面向多個代理的強化學習
  • 合作型與競爭型學習動態
  • 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
  • 管理並發與同步
  • 並行化計算及處理共享資源

人類與代理的協作

  • 設計用於人在回路協調的接口
  • 結合 AI 輔助決策支持的混合工作流
  • 倫理與運營考量

綜合項目

  • 在 Python 中設計並實現多代理系統
  • 演示代理之間的協調與學習
  • 展示模擬結果及性能洞察

總結與後續步驟

最低要求

  • 熟練掌握 Python 編程
  • 對強化學習或 AI 代理設計有良好的理解
  • 熟悉分佈式系統與網絡概念

受眾對象

  • 設計協同或分佈式 AI 系統的系統架構師
  • 從事協調與集體智慧研究的學者
  • 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