感謝您提交詢問！我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂！我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
多智能體系統簡介
- 智能體、環境與交互模型的概觀
- 智能體系統中的合作、競爭與自主性
- 在物流、機器人技術及決策領域的應用
智能體架構的核心概念
- 反應式智能體與審慎式（推理性）智能體
- 通訊協議與協調模型
- 知識表示與共享狀態
使用 Python 實現智能體
- 使用 Mesa 框架建構智能體
- 環境建模與交互設計
- 智能體行為模擬與可視化
協調與通訊
- 訊息傳遞與共享記憶體架構
- 談判、共識達成與任務分配
- 協調演算法（合約網、基於市場的模式、群體模型）
多智能體系統的學習與適應
- 針對多重智能體的強化學習
- 合作型與競爭型學習動態
- 使用 PettingZoo 與 Stable-Baselines3 進行多智能體強化學習（MARL）
分佈式計算與擴展性
- 使用 Ray 進行分佈式多智能體模擬
- 並行性與同步的管理
- 計算平行化與共享資源處理
人類與智能體協作
- 設計人類在環（human-in-the-loop）協調介面
- 結合 AI 輔助決策支援的混合工作流
- 倫理與運作層面的考量
綜合專案
- 使用 Python 設計並實現多智能體系統
- 展示智能體間的協調與學習過程
- 呈現模擬結果與效能洞察
總結與後續步驟
最低要求
- 熟練的 Python 程式設計能力
- 對強化學習或 AI 智能體設計有良好的理解
- 熟悉分佈式系統與網路概念
目標受眾
- 設計協作式或分佈式 AI 系統的系统架構師
- 研究協調機制與集體智能的研究人員
- 開發人類與智能體混合或多智能體工作流的工程師
28 小時
