尤拉姆·巴赫拉赫；理查德·埃弗雷特；爱德华·休斯；安吉利基·拉扎里杜；Joel Z.雷波。；马克·兰科特；迈克尔·约翰逊；沃伊切赫·M·恰尔内茨基。；索尔·格雷佩尔 使用深度强化学习进行团队组建谈判。 （英语） Zbl 1504.68236号 Artif公司。智力。 288，文章ID 103356，20 p.（2020）. 摘要：当自治代理在同一环境中交互时，它们必须经常合作以实现其目标。代理人有效合作的一种方式是组建一个团队，就联合计划达成具有约束力的协议，并予以执行。然而，当代理人出于自身利益时，必须适当分配团队组建的收益，以激励达成协议。已经提出了多种多代理协商方法，但通常只适用于特定的协商协议。更通用的方法通常需要人工输入或特定领域的数据，因此无法进行缩放。为了解决这个问题，我们提出了一个框架，用于培训代理使用深度强化学习进行谈判和组建团队。重要的是，我们的方法不对具体的谈判协议进行假设，而是完全由经验驱动的。我们在非空间和空间扩展的团队组建谈判环境中评估了我们的方法，证明了我们的代理击败了手工机器人，并达成了与合作博弈理论预测的公平解决方案一致的谈判结果。此外，我们还研究了代理人的物理位置如何影响谈判结果。 引用于2文件 MSC公司： 第68页第42页 Agent技术与人工智能 68T05型 人工智能中的学习和自适应系统 2017年10月68日 人工神经网络与深度学习 91A12号机组 合作游戏 关键词：多智能体系统；团队组建；联盟形成；强化学习；深度学习；合作博弈；夏普里值 软件：黑斑羚；亚当；令人惊叹的 PDF格式BibTeX公司 XML格式引用 \textit{Y.Bachrach}等人，Artif。智力。288，文章ID 103356，20 p.（2020；Zbl 1504.68236） 全文： 内政部 arXiv公司 参考文献： [1] 阿齐兹，哈里斯；巴赫拉赫、约拉姆；伊迪丝·埃尔金；Paterson，Mike，《加权投票游戏中的假名操纵》，J.Artif。智力。决议，40，57-93（2011年）·兹比尔1210.91011 [2] 哈里斯·阿齐兹；费利克斯·勃兰特；Harrenstein，Paul，Monotone合作游戏及其阈值版本，（第九届自治代理和多代理系统国际会议论文集，第1卷（2010年），国际自治代理和多重代理系统基金会），1107-1114 [3] 阿米纳达夫，古尔；巴赫拉赫、约拉姆；Kosenko，Konstantin；Jeffrey S.Rosenschein。；Wilf，Yoav，《重建大金字塔：识别复杂所有权结构中控制关系的方法》（2011年），见SSRN 1903941 [4] 尼尔·安德尔曼；米查尔·费尔德曼；Mansour，Yishay，无政府状态的巨大代价，游戏经济。行为。，65, 2, 289-317 (2009) ·Zbl 1156.91419号 [5] 罗伯特·奥曼（Robert J.Aumann）。；Hart，Sergiu，《经济应用博弈论手册》，第1卷（1992年），北荷兰：北荷兰阿姆斯特丹·Zbl 0874.00032号 [6] 艾格蒙，诺亚；克劳斯，萨里特；Gal A.Kaminka，《对抗环境中的多机器人周边巡逻》（IEEE机器人与自动化国际会议，2008年）。IEEE机器人与自动化国际会议，2008年，ICRA 2008（2008），IEEE，2339-2345 [7] 安、波；Lesser，Victor；大卫·欧文；Zink，Michael，云计算中动态资源分配的自动协商和退役，（第九届自治代理和多代理系统国际会议论文集，第1卷（2010年），国际自治代理和多代理系统基金会），981-988 [8] 哈里斯·阿齐兹；拉基什，奥德；Mike Paterson；Savani，Rahul，跨越连接游戏中的功率指数，（管理算法应用国际会议（2009），Springer），55-67·Zbl 1246.91009号 [9] 罗伯特·奥曼（Robert J.Aumann）。；Michael Maschler，《合作游戏的谈判集》（1961年），普林斯顿大学·Zbl 0132.14003号 [10] 阿巴普尔，赛义德；纳扎里·赫利斯（Nazari-Heris）、莫特萨（Morteza）；穆罕默德·伊瓦特卢（Mohammadi-Ivatloo），贝纳姆（Behnam）；Hagh，Mehrdad Tarafdar，《电力系统问题解决的博弈论方法：综合评述》，Arch。计算。方法工程，27，1，81-103（2020） [11] 萨米尔·阿克宁；苏珊·平森（Suzanne Pinson）；Shakun，Melvin F.，一种扩展的多代理协商协议，Auton。代理多代理系统。，8，1，5-45（2004年） [12] Rummery，G.A。；Niranjan，Mahesan，《使用连接系统进行在线Q-Learning》，第11卷（1994年） [13] 罗伯特·奥曼（Robert J.Aumann）。；Shapley，Lloyd S.，《非原子游戏的价值观》（2015），普林斯顿大学出版社 [14] Aumann，Robert J.，《无附带支付合作博弈的核心》，Trans。美国数学。《社会学杂志》，98，3，539-552（1961）·Zbl 0099.36602号 [15] Aumann，Robert J.，《具有连续交易者的市场价值》，计量经济学：J.Econometric Soc.，611-646（1975）·Zbl 0325.90082号 [16] Bachrach，Yoram，《小偷之间的荣誉：多单元拍卖中的共谋》，（第九届自治代理和多代理系统国际会议论文集，第1卷（2010年）），617-624 [17] 卢西安·布；罗伯特巴布；De Schutter，Bart，《多智能体强化学习的综合调查》，IEEE Trans。系统。人类网络。，C部分，申请。修订版，38、2、156-172（2008） [18] 布洛克，吉迪恩；巴赫拉赫、约拉姆；Key，Peter，《共享分配游戏和云计算定价应用》（2014年自治代理和多代理系统国际会议论文集，国际自治代理和多重代理系统基金会），605-612 [19] 迪伦·巴纳斯；巴赫拉赫、约拉姆；刘思奇；杠杆，盖伊；尼古拉斯·海斯；克莉桑塔·费尔南多；Kohli，Pushmeet；Graepel，Thore，《机构不是给定的：联合代理政策学习和形态演变》，（第18届自治代理和多代理系统国际会议记录（2019年），国际自治代理和多重代理系统基金会），1134-1142 [20] Bengio，Yoshua，基于梯度的超参数优化，神经计算。，12, 8, 1889-1900 (2000) [21] 塞缪尔·鲍尔斯（Samuel Bowles）；金蒂斯，赫伯特，人类合作的起源，（合作的遗传和文化进化（2003）），429-443 [22] 伯恩斯坦，D。；Givan，R。；Immerman，N。；Zilberstein，S.，马尔可夫决策过程分散控制的复杂性（2002）·Zbl 1082.90593号 [23] 巴赫拉赫、约拉姆；格雷佩尔、托尔；Gjergji Kasneci；米夏尔·科辛斯基；Van Gael，Jurgen，《群组智商：聚合意见以提高绩效》，（《第11届自主代理和多代理系统国际会议论文集》，第1卷（2012）），535-542 [24] Tim Baarslag；Hindriks，Koen；天主教Jonker；克劳斯，萨里特；Lin，Raz，《第一届自动谈判代理竞赛》（ANAC 2010），（基于代理的复杂自动谈判新趋势（2012），施普林格出版社），113-135 [25] 约翰·班扎夫（John F.Banzhaf），《加权投票不起作用：数学分析》，《罗格斯法律评论》（Rutgers Law Rev.），19317（1964） [26] 巴赫拉赫、约拉姆；Kohli，Pushmeet；Graepel，Thore，Rip-off:玩合作谈判游戏，（第十届自治代理和多代理系统国际会议，第3卷（2011年），国际自治代理和多重代理系统基金会），1179-1180 [27] 巴赫拉赫、约拉姆；Meir，Reshef；米查尔·费尔德曼；Tennenholtz，Moshe，《解决合作可靠性游戏》（2012），arXiv预印本 [28] 迈克尔·鲍林（Michael Bowling），《多智能体学习中的收敛与不收敛》（Convergence and no-regre in multi-agent learning），（神经信息处理系统进展（2005）），209-216 [29] 巴赫拉赫、约拉姆；Porat，Ely，《路径中断游戏》，（第九届自治代理和多代理系统国际会议论文集，第1卷（2010年）），1123-1130 [30] 巴赫拉赫、约拉姆；戴维·帕克斯（David C.Parkes）。；Rosenschein，Jeffrey S.，《联合技能游戏中的计算合作解决方案概念》，Artif。智力。，204, 1-21 (2013) ·Zbl 1334.91007号 [31] 巴赫拉赫、约拉姆；Rosenschein，Jeffrey S.，阈值网络流游戏中的功率，Auton。代理多代理系统。，18, 1, 106 (2009) ·Zbl 1173.91304号 [32] Adam Brandenburger，《合作博弈论》（2007），纽约大学，教材·Zbl 1298.91021号 [33] 乔治·W·布朗（George W.Brown），《通过虚拟游戏迭代求解游戏》（Act）。分析。产品分配，13，1，374-376（1951）·Zbl 0045.09902号 [34] 巴赫拉赫、约拉姆；Jeffrey S.Rosenschein。；Porat，Ely，《连接游戏中的力量和稳定性》，（第七届自主代理和多代理系统国际联合会议论文集，第2卷（2008年）），999-1006 [35] 巴赫拉赫、约拉姆；Shah，Nisarg，可靠性加权投票游戏，（算法博弈理论国际研讨会（2013），Springer），38-49·Zbl 1319.91019号 [36] 巴赫拉赫、约拉姆；锡拉卡尼斯，瓦西里斯；埃瓦塔尔多斯；Vojnović，米兰，无政府状态、效用博弈和联盟动力学的强劲价格，（算法博弈论国际研讨会（2014），斯普林格），218-230·Zbl 1403.91054号 [37] 迈克尔·鲍林（Michael Bowling）；Veloso，Manuela，《多智能体强化学习的随机博弈理论分析》（2000），卡内基梅隆大学计算机科学学院：卡内基梅隆大学计算机学院，宾夕法尼亚州匹兹堡，技术报告·Zbl 0995.68075号 [38] 巴赫拉赫、约拉姆；Zadimoghaddam，Morteza；Key，Peter，《拍卖中共谋的合作方法》，ACM SIGecom Exch。，2011年10月1日至22日 [39] 乔治奥斯·查尔基亚基斯（Georgios Chalkiadakis）；Boutilier，Craig，《不确定条件下联盟形成的贝叶斯强化学习》，（第三届自治代理和多代理系统国际联合会议论文集，第三届自主代理和多智能体系统国际联合大会论文集，AAMAS 2004，第3卷（2004）），1090-1097 [40] 陈曦；邓晓铁，解决双层纳什均衡的复杂性，（第47届IEEE计算机科学基础研讨会论文集（2006）），261-272 [41] 乔治奥斯·查尔基亚基斯（Georgios Chalkiadakis）；伊迪丝·埃尔金；Michael Wooldridge，《合作博弈论的计算方面》，Synth。莱克特。Artif公司。智力。机器。学习。，5, 6, 1-168 (2011) ·Zbl 1258.91005号 [42] Christopher，Martin，物流与供应链管理（2016），英国培生 [43] 曹，克里斯；Angeliki Lazaridou；马克·兰科特；Joel Z.Leibo。；卡尔·图尔斯（Karl Tuyls）；克拉克·斯蒂芬（Clark，Stephen），《通过谈判实现紧急沟通》（2018），arXiv预印本 [44] 曹，克里斯；Angeliki Lazaridou；马克·兰科特；Joel Z.Leibo。；卡尔·图尔斯（Karl Tuyls）；克拉克·斯蒂芬（Clark，Stephen），《通过谈判进行紧急沟通》（2018年），CoRR [45] 文森特·科尼策；Sandholm，Tuomas，计算Shapley值，操作值划分方案，检查多问题域中的核心成员，（AAAI，第4卷（2004）），219-225 [46] 文森特·科尼策；Sandholm，Tuomas，AWESOME：一种通用的多智能体学习算法，在自我游戏中收敛，并学习对静止对手Mach的最佳响应。学习。，67, 1-2, 23-43 (2007) ·Zbl 1471.91075号 [47] Pradeep Dubey；John Geanakoplos，通过Shapley-Shubik，J.Math从Nash到Walras。经济。，39, 5-6, 391-400 (2003) ·Zbl 1052.91010号 [48] Pradeep Dubey；Shapley，Lloyd S.，Banzhaf幂指数的数学性质，数学。操作。研究，4，2，99-131（1979）·Zbl 0409.90008号 [49] Domhan，托拜厄斯；Jost Tobias的Springenberg；Hutter，Frank，通过学习曲线外推加速深层神经网络的自动超参数优化，（第二十四届国际人工智能联合会议（2015）） [50] Dubey，Pradeep，《论Shapley值的唯一性》，《国际博弈论》，4，3，131-139（1975）·兹比尔0352.90085 [51] 汤姆·埃克勒斯（Tom Eccles）；巴赫拉赫、约拉姆；杠杆，盖伊；Angeliki Lazaridou；Graepel，Thore，《多智能体强化学习中紧急通信的偏见》（Advances in Neural Information Processing Systems，2019），13111-13121 [52] 伊迪丝·埃尔金；Leslie Ann Goldberg；保罗·戈德伯格（Paul W.Goldberg）。；Michael Wooldridge，《加权投票游戏的计算复杂性》，Ann.Math。Artif公司。智力。，56, 2, 109-131 (2009) ·Zbl 1185.91081号 [53] 托马斯·埃尔斯克（Thomas Elsken）；梅岑，扬·亨德里克；Hutter，Frank，《神经架构搜索：调查》（2018），arXiv预印本·Zbl 1485.68229号 [54] L.Espeholt、H.Soyer、R.Munos、K.Simonyan、V.Mnih、T.Ward、Y.Doron、V.Firoiu、T.Harley、I.Dunning、S.Legg、K.Kavukcuoglu、IMPALA：具有重要性加权学习者架构的可扩展分布式深度学习语言，arXiv电子版，2018年2月。 [55] Foerster，Jakob N。；Chen，Richard Y。；Al-Shedivat，Maruan；西蒙·怀特森（Shimon Whiteson）；彼得·阿比尔（Pieter Abbeel）；Mordatch，Igor，《学习与机会学习意识》（2017），CoRR [56] 费斯特，伊斯托克；杨新社；费斯特，伊斯托克；珍妮斯·布雷斯特（Janez Brest）；Fister，Dušan，《自然启发优化算法简评》（2013），arXiv预印本·Zbl 1301.65045号 [57] Felsenthal，Dan S。；马乔夫，莫什，《投票权的衡量》（1998年），图书·Zbl 0954.91019号 [58] 菲利波维奇，V。；Nedic，N。；Stojanovic，V.，真实情况下气动伺服执行器的鲁棒识别，Forsch。Ingenieurwes.、。，75, 4, 183-196 (2011) [59] Michael Fisher；Michael Wooldridge，《关于多智能体系统的形式化规范和验证》，国际合作组织。信息系统。，6, 01, 37-65 (1997) [60] 雅克·费伯；Gerhard Weiss，《多代理系统：分布式人工智能简介》，第1卷（1999年），Addison-Wesley：Addison-Whesley阅读 [61] Greif，A.，《制度与现代经济之路：中世纪贸易的教训》，《制度和决策的政治经济学》（2006年），剑桥大学出版社 [62] 卡利罗·乔治拉（Kallirroi Georgila）、大卫·特劳姆（David Traum），《谈判中论证对话政策的强化学习》，摘自：《国际言语传播协会第十二届年会》（The 12th Annual Conference of The International Speech Communication Association），意大利佛罗伦萨，2011年8月。 [63] Gul，Faruk，沙普利价值的讨价还价基础，计量经济学，57，1，81-95（1989）·兹比尔0677.90011 [64] 爱德华·休斯；托马斯·安东尼。；汤姆·埃克勒斯（Tom Eccles）；Joel Z.Leibo。；戴维·巴尔杜齐（David Balduzzi）；巴赫拉赫、约拉姆，《学会解决多人零和游戏中的联盟困境》（AAMAS（2020）） [65] 哈拉里，尤瓦尔·诺亚，《智人：人类简史》（2014），兰登书屋 [66] 约瑟夫·亨里奇（Joseph Henrich），《我们成功的秘诀：文化如何推动人类进化、驯化我们的物种并使我们更聪明》（2017），普林斯顿大学出版社 [67] Ralf Herbrich、Thore Graepel、Yoram Bachrach，《社交广告定价》，美国专利94135572016年8月9日。 [68] 爱德华·休斯；Joel Z.Leibo。；菲利普斯，Matthew G。；卡尔·图尔斯（Karl Tuyls）；杜涅兹·古兹曼（Edgar A.Duéñez-Guzmán）。；安东尼奥·加西亚·卡斯塔涅达；伊恩·邓宁；朱，蒂娜；凯文·麦基（Kevin R.McKee）。；Koster，Raphael，《不平等厌恶改善跨期社会困境中的合作》，（神经信息处理系统进展）。神经信息处理系统（NIPS）进展，加拿大蒙特利尔（2018）） [69] 罗恩·霍尔兹曼；劳恩，日产，拥堵游戏中的强均衡，游戏经济。行为。，21, 1-2, 85-101 (1997) ·Zbl 0899.90169号 [70] Manfred J.Holler，《组建联盟和衡量投票权》，《政治研究》，第30、2、262-271页（1982年）·Zbl 0519.00015号 [71] 约瑟夫·霍夫鲍尔；Sandholm，William H.，《论随机虚拟博弈的全球收敛》，计量经济学，70，62265-2294（2002）·Zbl 1141.91336号 [72] 伊藤、Takayuki；平光服部；Klein，Mark，《代理的多问题协商协议：探索非线性效用空间》（IJCAI，第7卷（2007）），1347-1352 [73] Leong，Samuel；Shoham，Yoav，《边际贡献网：联盟游戏的紧凑表示方案》，（第六届ACM电子商务会议论文集（2005），ACM），193-202 [74] 马克斯·贾德伯格（Max Jaderberg）；Czarnecki，沃伊切赫M。；伊恩·邓宁；卢克·马里斯；杠杆，盖伊；安东尼奥·加西亚·卡斯塔内达；查尔斯·比蒂（Charles Beattie）；Neil C.Rabinowitz。；阿里·莫科斯（Ari S.Morcos）。；Ruderman，Avraham，《基于人群的深度强化学习在第一人称多人游戏中的人性化表现》（2018），arXiv预印本 [75] 尼古拉斯·R·詹宁斯（Nicholas R.Jennings）。；法拉廷，佩曼；阿莱西奥·洛穆西奥（Alessio R.Lomuscio）。；西蒙·帕森斯；Michael J.Wooldridge。；Sierra，Carles，《自动谈判：前景、方法和挑战》，Group Decis。黑人。，199-215年10月2日（2001年） [76] 大卫·约翰逊（David W.Johnson）。；罗杰·约翰逊，《合作与竞争：理论与研究》（1989），互动图书公司 [77] Kingma，Diederik P。；Ba，Jimmy，Adam：随机优化方法（2014），arXiv预印本 [78] 卡拉瓦里（Kravari）、卡利奥皮（Kalliopi）；Nick Bassiliades，《代理平台调查》，J.Artif。Soc.Soc.仿真。，18, 1, 11 (2015) [79] 拉杰夫·科利（Rajeev Kohli）；Park，Heungsoo，数量折扣的合作博弈模型，Manag。科学。，351693-707（1989年）·Zbl 0721.90030号 [80] Samuel S.Komorita。；帕克斯，克雷格D。，《人际关系：混合动力互动》，年。精神病学牧师。，46, 1, 183-207 (1995) [81] Kraus，Sarit，多智能体环境中的谈判与合作，人工智能。智力。，94, 1-2, 79-97 (1997) ·Zbl 0904.68168号 [82] 平崎北野；佐藤忠雄；野田佳彦；松原，Hitoshi；高桥、友爱；Shinjou，Atsuhi；Susumu Shimada，《RoboCup Rescue:大规模灾难中的搜索和救援：作为自治代理研究领域》（1999年IEEE系统、人和控制论国际会议，1999年会议记录，第6卷）。1999年IEEE系统、人和控制论国际会议，1999年会议记录，第6卷，IEEE SMC'99（1999），IEEE），739-743 [83] Lewenberg，尤德；巴赫拉赫、约拉姆；桑普林斯基，约纳坦；阿维夫·佐哈尔；Rosenschein，Jeffrey S.，比特币开采池：合作博弈分析，（2015年自治代理和多代理系统国际会议论文集（2015），Citeser），919-927 [84] Dennis Leech，《为欧盟理事会设计投票系统》，公共选择，113，3-4，437-464（2002） [85] 李、舒；范飞；芮涵、窦；于、水；窦万春，基于联盟博弈分析的拼车服务动态定价方法，（2016年IEEE第18届高性能计算与通信国际会议；IEEE第14届智能城市国际会议；第二届IEEE数据科学与系统国际会议（HPCC/SmartCity/DSS）（2016），IEEE），78-85 [86] Littman，Michael L.，Markov博弈作为多智能体强化学习的框架，（第十一届机器学习国际会议论文集（1994），Morgan Kaufmann），157-163 [87] Lin，Raz；克劳斯，萨里特，自动化代理能熟练地与人类谈判吗？，Commun公司。ACM，53，1，78-88（2010） [88] Lin，Raz；克劳斯，萨里特；乔纳森·威尔肯菲尔德；James Barry，在信息不完整的环境中使用自动化代理Artif与有限理性代理进行谈判。智力。，172, 6, 823 (2008) ·Zbl 1182.68311号 [89] 亚当·莱勒（Adam Lerer）；Alexander Peysakhovich，《利用深度强化学习在复杂社会困境中保持合作》（2017），CoRR [90] Angeliki Lazaridou；亚历山大·佩萨科维奇（Peysakhovich，Alexander）；Baroni，Marco，《多主体合作与（自然）语言的出现》（2016），CoRR [91] 奥梅尔列夫；波卢卡罗夫，玛丽亚；巴赫拉赫、约拉姆；Rosenschein，Jeffrey S.，《全日制拍卖和众包竞赛中的合并与共谋》（2013年） [92] 迈克·刘易斯；雅茨、丹尼斯；Yann N.多芬。；迪瓦·帕里赫；巴特拉，德鲁夫，成交还是不成交？谈判对话的端到端学习（2017），arXiv预印本 [93] 马克·兰科特；桑巴尔迪，维尼修斯；格鲁斯莱斯、奥德鲁纳斯；Angeliki Lazaridou；卡尔·图尔斯（Karl Tuyls）；佩罗拉，朱利安；Silver，David；Thore Graepel，《多智能体强化学习的统一游戏理论方法》（神经信息处理系统进展（2017）），4190-4203 [94] Joel Z.Leibo。；桑巴尔迪，维尼修斯；马克·兰科特；雅努斯·马雷基（Janusz Marecki）；Graepel，Thore，《序贯社会困境中的多智能体强化学习》，（《第十六届自主智能体和多智能体系统会议论文集》（2017），国际自主智能体与多智能体基金会），464-473 [95] 埃里克·马斯金（Eric Maskin），《实施与强纳什均衡》（1978）·兹比尔0453.90007 [96] 沃洛德迈尔·姆尼赫（Volodymyr Mnih）；阿德里·普伊格多梅内克·巴迪亚；迈赫迪·米尔扎；亚历克斯·格雷夫斯；Timothy P.Lillicrap。；哈雷，蒂姆；Silver，David；Kavukcuoglu，Koray，深度强化学习的异步方法（2016），CoRR [97] Meir，Reshef；巴赫拉赫、约拉姆；Rosenschein，Jeffrey S.，费用分摊游戏中的最低补贴，（算法博弈论国际研讨会（2010），Springer），347-358·Zbl 1310.91024号 [98] 莫什·马什；巴赫拉赫、约拉姆；Zick，Yair，《如何在混合人机环境中形成获胜联盟》，（第26届国际人工智能联合会议论文集（2017）），465-471 [99] 道戈尔·麦克劳林（Dougal Maclaurin）；大卫·杜维诺（David Duvenaud）；Adams，Ryan，通过可逆学习实现基于梯度的超参数优化，（国际机器学习会议（2015）），2113-2122 [100] 蒂姆·马修斯（Tim Matthews）、萨瓦帕利·拉姆特尔（Sarvapali Ramtur）、乔治奥斯·查尔基亚达克斯（Georgios Chalkiadakis），《在梦幻足球中与人类竞争：大型部分可观察领域中的球队组成》，2012年1月2日。 [101] 乔治·梅拉斯（George J.Mailath）。；彼得·泽姆斯基（Peter Zemsky），《与异质投标人共谋二价拍卖》（Games Econ）。行为。，3, 4, 467-486 (1991) ·兹比尔0752.90014 [102] Nash，John，n人博弈中的平衡点，Proc。国家。阿卡德。科学。美国，36，1，48-49（1950）·Zbl 0036.01104号 [103] 辛西娅·尼古莱；Madey，Gregory，《贸易工具：对各种基于代理的建模平台的调查》，J.Artif。Soc.Soc.仿真。，12, 2, 2 (2009) [104] 诺瓦克·奈迪奇；Prsic、Dragan；卢比萨杜邦吉克；弗拉基米尔·斯托亚诺维奇；Djordjevic，Vladimir，《并联机器人平台的最佳级联液压控制》，PSO，Int.J.Adv.Manuf.Technol.著。，72, 5-8, 1085-1098 (2014) [105] Oliver，Jim R.，《自动化谈判的机器学习方法和电子商务前景》，J.Manag。信息系统。，第13、3、83-112页（1996年） [106] 马丁·J·奥斯本。；Ariel Rubinstein，《博弈论课程》（1994），麻省理工出版社·Zbl 1194.91003号 [107] 朱利安·佩罗拉特（Julien Perolat）；Joel Z.Leibo。；桑巴尔迪，维尼修斯；查尔斯·比蒂（Charles Beattie）；卡尔·图尔斯（Karl Tuyls）；Graepel，Thore，公共工具资源分配的多智能体强化学习模型，（神经信息处理系统（NIPS）进展）。神经信息处理系统（NIPS）进展，加利福尼亚州长滩（2017）） [108] 普雷西奇，德拉甘；奈迪奇，诺瓦克；弗拉基米尔·斯托亚诺维奇（Vladimir Stojanović），气动驱动并联机器人平台的自然优化控制，Proc。仪器机械。工程师，C部分，J.Mech。工程科学。，231, 1, 59-71 (2017) [109] Ariel D.普罗卡西亚。；尼萨尔·沙阿；Lee Tucker，Max，《关于合作游戏中协同效应的结构》（第二十届AAAI人工智能会议（2014）） [110] 以斯拉·雷斯尼克；巴赫拉赫、约拉姆；Meir，Reshef；Jeffrey S.Rosenschein，《网络流游戏中的稳定性成本》（2009年计算机科学数学基础国际研讨会，Springer），636-650·Zbl 1250.68121号 [111] 大卫·G·兰德。；马丁·诺瓦克（Martin A.Nowak），《人类合作》（Human cooperation），《趋势认知》（Trends Cogn）。科学。，17, 8, 413-425 (2013) [112] Jeffrey S.Rosenschein。；吉拉德·兹洛特金（Gilad Zlotkin），《遭遇规则：计算机间自动协商的设计约定》（1994），麻省理工学院出版社 [113] Jeff S.Shamma。；Arslan，Gürdal，动态虚拟游戏，动态梯度游戏，以及纳什均衡的分布式收敛，IEEE Trans。自动。控制，50，3，312-327（2005）·Zbl 1366.91028号 [114] 萨顿，R。；Barto，A.，《强化学习：导论》（2018），麻省理工学院出版社·Zbl 1407.68009号 [115] David Schmeidler，《特征函数博弈的核仁》，SIAM J.Appl。数学。，17, 6, 1163-1170 (1969) ·兹比尔0191.49502 [116] 胡安·苏里斯（Juan E.Suris）。；Luiz A.DaSilva。；韩、朱；MacKenzie，Allen B.，分布式频谱共享的合作博弈论，（2007 IEEE国际通信会议（2007），IEEE），5282-5287 [117] Shapley，Lloyd，《随机游戏》，Proc。国家。阿卡德。科学。美国，39，1095-1100（1953）·Zbl 0051.35805号 [118] Shapley，Lloyd S.，n人游戏的一个值，Contrib.理论游戏，2，28，307-317（1953）·Zbl 0050.14404号 [119] 劳埃德·沙普利（Lloyd S.Shapley），《大型游戏的价值——第VII章：货币的一般交换经济》（1964年） [120] 安大略省谢霍里；Kraus，Sarit，通过代理联盟形成的任务分配方法，Artif。智力。，101, 1, 165-200 (1998) ·Zbl 0908.68032号 [121] Peter Stone，Gal A.Kaminka，Sarit Kraus，Jeffrey S.Rosenschein，《Ad hoc autonomous agent teams:collaboration without pre-cordination》，载于《第二十四届人工智能会议论文集》，2010年7月·Zbl 1329.68252号 [122] 肖姆，Y。；Leyton-Brown，K.，《多智能体系统：算法、博弈论和逻辑基础》（2009），剑桥大学出版社·Zbl 1163.91006号 [123] 弗拉基米尔·斯托亚诺维奇；Nedic，Novak，随机非线性系统的联合状态和参数鲁棒估计，国际鲁棒非线性控制杂志，26，14，3058-3074（2016）·Zbl 1346.93367号 [124] 弗拉基米尔·斯托亚诺维奇；Nedic，Novak，液压驱动并联机器人平台级联控制的自然启发参数调整方法，J.Optim。理论应用。，168, 1, 332-347 (2016) ·Zbl 1352.93077号 [125] 弗拉基米尔·斯托亚诺维奇；诺瓦克·奈迪奇；Prsic、Dragan；Dubonjic，Ljubisa，非高斯噪声中输出受限ARX模型辨识的优化实验设计，应用。数学。型号。，第40页，第13页，第14页，第6676-6689页（2016年）·Zbl 1465.62136号 [126] Yoav Shoham、Rob Powers、Trond Grenager，《多智能体强化学习：批判性调查》，网络手稿，2003年·Zbl 1168.68493号 [127] Shapley，Lloyd S。；马丁·舒比克（Martin Shubik），《评估委员会系统中权力分配的方法》，《美国政治科学》。修订版，48，3787-792（1954年） [128] 斯特拉芬，P.，Shapley-Shubik和Banzhaf功率指数作为概率，（Shapley值，劳埃德·S·Shapley荣誉论文（1988）），71-81·兹比尔0754.90078 [129] Tambe，Milind，《安全与博弈论：算法，部署系统，经验教训》（2011），剑桥大学出版社·Zbl 1235.91005号 [130] 詹姆斯·托马斯；西蒙·柯比（Simon Kirby），《自我归化与语言的进化》，《生物》（Biol）。菲洛斯。，33、1、9（2018年3月） [131] 阿德琳德·M·乌尔马赫。；Danny Weyns，《多代理系统：模拟和应用》（2009），CRC出版社 [132] van den Brink，René，合作游戏和网络中的效率和共谋中立性，games Econ。行为。，76, 1, 344-348 (2012) ·Zbl 1274.91057号 [133] 沃勒德米奇克，Yevgeniy；Wellman，Michael P.，模拟游戏中纳什均衡近似的随机搜索方法，（第七届自治代理和多代理系统国际联合会议论文集，第2卷（2008年），国际自治代理和多重代理系统基金会），1055-1062 [134] Michael Wooldridge，《多智能体系统简介》（2009），John Wiley&Sons [135] 向晓荣；瑞安·肯尼迪；格雷戈里·麦迪（Gregory Madey）；Cabanis，Steve，《基于代理的科学仿真模型的验证与确认》，（agent-Directed simulation Conference，vol.47（2005）），55 [136] Yang，Xin-She，《自然启发的元启发式算法》（2010），Luniver出版社·Zbl 1277.68252号 [137] 迈克尔·扎克曼；彼得·法利舍夫斯基（Piotr Faliszewski）；巴赫拉赫、约拉姆；埃尔金德，伊迪丝，在加权投票游戏中操纵配额，人工制品。智力。，180, 1-19 (2012) ·兹比尔1238.91056 [138] 佐夫，巴雷特；Le，Quoc V.，神经架构搜索与强化学习（2016），arXiv预印本 [139] 吉拉德·兹洛特金；Rosenschein，Jeffrey S.，合作领域中自治代理之间的协商和任务共享（IJCAI，第89卷（1989）），20-25·Zbl 0713.68084号 [140] 杰弗里·兹维贝尔（Jeffrey Zwiebel），《块状投资和公司控制的部分利益》（Block investment and partial benefits of corporate control），《经济评论》（Rev.Econ）。双头螺栓，62，2161-185（1995）·Zbl 0829.90048号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。