聯繫我們

課程簡介

多代理系統簡介

  • 代理、環境和互動模型概覽
  • 代理系統中的協作、競爭和自主性
  • 在物流、機器人與決策中的應用

代理架構的核心概念

  • 反應式與深思型代理
  • 通信協議和協調模型
  • 知識表示和共享狀態

在 Python 中實現代理

  • 使用 Mesa 框架建構代理
  • 模擬環境和互動
  • 模擬代理行為及可視化

協調與溝通

  • 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、基於市場的模型、蜂群模型)

多代理系統中的學習與適應

  • 用於多個代理的強化學習
  • 協作與競爭的學習動態
  • 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
  • 管理併發性和同步
  • 平行化計算並處理共享資源

人–代理協作

  • 設計用於人在迴路協調的介面
  • 結合 AI 輔助決策支援的混合工作流程
  • 倫理與運營考量

終項專案

  • 在 Python 中設計和實施多代理系統
  • 展示代理之間的協調與學習
  • 演示模擬結果與績效洞察

總結與後續步驟

最低要求

  • 具備強大的 Python 編程能力
  • 對強化學習或 AI 代理設計有良好理解
  • 熟悉分佈式系統和網絡概念

受眾

  • 設計協作或分佈式 AI 系統的系統架構師
  • 致力於協調和集體智能研究的研究人員
  • 開發人類–代理或多代理工作流的工程師
 28 小時

人數


每位參與者的報價

即將到來的課程

課程分類