面向涌现的多Agent系统研究及其进展

维普资讯 http://www.cqvip.com 第３１卷第６期　计　算　机　学　报　Ｖｏ１．３１　Ｎｏ。６　２００８年６月　ＣＨＩＮＥＳＥ　ＪＯＵＲＮＡＬ　ＯＦ　ＣＯＭＰＵＴＥＲＳ　Ｊｕｎｅ　２００８　面向涌现的多Ａｇｅｎｔ系统研究及其进展　金士尧　黄红兵　范高俊　（国防科学技术大学并行与分布处理国家重点实验室　长沙（国防科学技术大学计算机学院长沙４１００７３）　４１００７３）　摘要在多Ａｇｅｎｔ系统研究领域，涌现现象越来越弓ｌ起人们的注意．面向涌现的多Ａｇｅｎｔ系统研究正成为多　Ａｇ。　ｔ系统研究中值得注意的一个新方向．它关注的是多Ａｇｅｎｔ系统宏观层面的涌现性问题以及系统涌现的宏观　与微观层面的联系机制，并最终希望发展出一套面向涌现的多Ａｇｅｎｔ系统的设计和控制方法．该文在介绍涌现的　概念和特征之后，考察了多Ａｇｅｎｔ系统宏观特征的面向涌现描述方法；然后对多Ａｇｅｎｔ系统涌现的微一宏观机制进　行了总结，Ｂｔｇ￣Ｔ面向涌现的多Ａｇｅｎｔ系统设计方法和设计模式；最后分析讨论了该领域研究存在的问题和　进一步的研究方向．　关键词　多Ａｇｅｎｔ系统；涌现；面向涌现；机制；复杂适应系统　中图法分类号ＴＰ３１１　Ｅｍｅｒｇｅｎｃｅ—ｏｒｉｅｎｔｅｄ　Ｒｅｓｅａｒｃｈ　ｏｎ　Ｍｕｌｔｉ—Ａｇｅｎｔ　Ｓｙｓｔｅｍｓ　ａｎｄ　Ｉｔｓ　Ｓｔａｔｅ　ｏｆ　Ａｒｔｓ　ＪＩＮ　Ｓｈｉ—Ｙａｏ　ＨＵＡＮＧ　Ｈｏｎｇ　Ｂｉｎｇ　ＦＡＮ　Ｇａｏ—Ｊｕｎ　（Ｎａ　｛。　ｎｚ　Ｌｎ６。ｒｎｆ。ｒ　ｒ　Ｐｎｔａｌｌｅｚ　ｄ　ｄ　Ｄｉｓｔｒｉｂ“ｆ　ｄ　Ｐｒｏｃｅｓｓｉｎｇ，Ｎａｔｉ。ｎａｌ　Ｕｎｉｖ　ｒ　ｉｆ　ｏｆ　Ｄ　ｆｅｎ　Ｔｅｃｈｎ。ｚ。ｇＹ，Ｃｈａｎｇ　ｈａ　４１００７３）　（Ｓｃ＾００１　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ，Ｎａｔｉｏｎａｌ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｄｅｆｅｎｓｅ　Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｓｈａ　４１００７３）　Ａｂｓｔｒａｃｔ　Ｎｏｗａｄａｙｓ，ｍｏｒｅ　ａｔｔｅｎｔｉｏｎｓ　ａｒｅ　ｐａｉｄ　ｔｏ　ｔｈｅ　ｐｈｅｎｏｍｅｎｏｎ　ｏｆ　ｅｍｅｒｇｅｎｃｅ　ｉｎ　ＭＡＳｓ．　Ａｎｄ　ｅｍｅｒｇｅｎｃｅ－ｏｒｉｅｎｔｅｄ　ｒｅｓｅａｒｃｈ　ｏｎ　ＭＡＳｓ　ｂｅｃｏｍｅｓ　ａ　ｎｅｗ　ｄｉｒｅｃｔｉｏｎ　ｉｎ　ｔｈｅ　ａｒｅａ　ｏｆ　ＭＡＳ．　Ｅｍｅｒｇｅｎｃｅ—　ｏｒｉｅｎｔｅｄ　ｒｅｓｅａｒｃｈｅｓ　ｆｏｃｕｓ　ｏｎ　ｔｈｅ　ｅｍｅｒｇｅｎｔ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ＭＡＳｓ　ａｎｄ　ｔｈｅ　ｍｅｃｈａｎｉｓｍｓ　ｏｆ　ｅｍｅｒ—　ｇｅｎｃｅ　ｗｈｉｃｈ　ｃｏｒｒｅｌａｔｅ　ｔｈｅ　ｍａｃｒｏ—ａｎｄ　ｍｉｃｒｏ—ｌｅｖｅｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．Ｔｈｅ　ｆｉｎａｌ　ｇｏａｌ　ｏｆ　ｔｈｅｓｅ　ｒｅｓｅａｒ—　ｃｈｅｓ　ｉｓ　ｔｏ　ｄｅｖｅｌｏｐ　ａ　ｓｅｔ　ｏｆ　ｍｅｔｈｏｄｓ　ｆｏｒ　ｅｎｇｉｎｅｅｒｉｎｇ　ｅｍｅｒｇｅｎｃｅ　ｉｎ　ＭＡＳｓ．Ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，ａｆｔｅｒ　ａｎ　ｉｎ—　ｔｒｏｄｕｃｔｉｏｎ　ｏｆ　ｔｈｅ　ｃｏｎｃｅｐｔ　ｏｆ　ｅｍｅｒｇｅｎｃｅ，ｔｈｅ　ｅｍｅｒｇｅｎｃｅ—ｏｒｉｅｎｔｅｄ　ａｐｐｒｏａｃｈｅｓ　ｆｏｒ　ｃｈａｒａｃｔｅｒｉｚｉｎｇ　ｅｍｅｒｇｅｎｔ　ｂｅｈａｖｉｏｒｓ　ｏｆ　ＭＡ　Ｓｓ　ａｒｅ　ｒｅｖｉｅｗｅｄ．Ｔｈｅｎ　ｔｈｅ　ａｕｔｈｏｒｓ　ｇｉｖｅ　ａｎ　ｏｖｅｒｖｉｅｗ　ｏｆ　ｔｈｅ　ｍｉｃｒｏ—ｍａｃｒｏ　ｍｅｃｈａｎｉｓｍｓ　ｏｆ　ｅｎｌｅｒｇｅｎｃｅ　ｉｎ　ＭＡＳｓ，ａｎｄ　ａ　ｓｕｒｖｅｙ　ｏｆ　ｅｍｅｒｇｅｎｃｅ—ｏｒｉｅｎｔｅｄ　ｅｎｇｉｎｅｅｒｉｎｇ　ｍｅｔｈｏｄｏｌＯ—　ｇｉｅｓ　ａｎｄ　ｄｅｓｉｇｎ　ｐａｔｔｅｒｎｓ　ｏｆ　ＭＡＳｓ．Ｆｉｎａｌｌｙ，ｔｈｅ　ｐｒｏｂｌｅｍｓ　ａｎｄ　ｆｕｔｕｒｅ　ｄｉｒｅｃｔｉｏｎｓ　ｉｎ　ｔｈｉｓ　ａｒｅａ　ａｒｅ　ｄｉｓ—　ｃｕｓｓｅｄ．　Ｋｅｙｗｏｒｄｓ　ＳＶＳｔｅｍ　ｍｕｌｔｉ—ａｇｅｎｔ　ｓｙ　ｓｔｅｍ；ｅｍｅｒｇｅｎｃｅ；ｅｍｅｒｇｅｎｃｅ—ｏｒｉｅｎｔｅｄ；ｍｅｃｈａｎｉｓｍ；ｃｏｍｐｌｅｘ　ａｄａｐｔｉｖｅ　大规模系统中的应用（如普适计算），使得ＭＡＳ的　１　引　口　多Ａｇｅｎｔ系统（ＭＡＳ）　的广泛应用，特别是在　宏观特征越来越成为关注的焦点嘲，一种复杂而极　其重要的宏观特征也随之渐渐凸现出来，这就是“涌　现现象”［　．　收稿日期：２００７—０７—０９；最终修改稿收到日期：２００７—１１　１３。金士尧，男，１９３７年生，教授，博士生导师，主要研究领域为系统仿真、多Ａｇｅｎｔ　系统、分布式计算、虚拟现实等．Ｅ　ｍａｉｌ：ｓｙｊｉｎ１９３７＠１６３。ｃｏｉｌ２。黄红兵，男，１９７７年生，博士研究生，主要研究方向为多Ａｇｅｎｔ系统和复杂　系统仿真。范高俊，男，１９８０年生，博士研究生，主要研究方向为多Ａｇｅｎｔ系统和复杂系统仿真。　维普资讯 http://www.cqvip.com ８８２　计　算　机　学　报　在这些系统中，ＭＡＳ通常无集中控制，由相　统全局行为”ｌ１　或“缘起于微观的宏观效应”ｌ＿１　．对　互作用的自主Ａｇｅｎｔ组成．这样的ＭＡＳ就成为一　于涌现概念，这种描述是比较模糊的．但是，由于研　种人工复杂适应系统（Ｃｏｍｐｌｅｘ　Ａｄａｐｔｉｖｅ　Ｓｙｓｔｅｍ，　究的开放性，试图给出一个精确而普适的定义不是　ｃＡＳ）ｌ４］，其涌现现象往往不可避免．另一方面，在　很现实．这里通过与几个易混淆的概念的对比，从它　ＣＡＳ领域，人们将ＭＡＳ作为研究自然ＣＡＳ的天然　们的异同来把握“涌现”概念．　工具　］，揭示了它们的一部分涌现规律．在一些研究　２．１涌现与总成　者看来ＭＡＳ和ＣＡＳ描述的是同一类系统；不同的　涌现与总成（ｒｅｓｕｌｔａｎｔ）都是用来指称系统的　是，ＣＡＳ与高层的现象和结构相关，ＭＡＳ与系统的　微一宏观效应的概念，最初是穆勒为区分两种不同的　底层组成和元素相联系［５］．因此，为了研究ＭＡＳ的　组合物而提出的ｌ＿１　．在概念上，它们之问区别比较　整体性质，一些研究者反过来将ＭＡＳ看成ＣＡＳ，借　大，但是在实际认识系统时，往往难以区分，甚至会　鉴ＣＡＳ的研究成果推动ＭＡＳ涌现特征的研究，并　混淆．　将“涌现”作为ＭＡＳ的一种分析和设计范式　］．为　穆勒针对涌现与总成的区别，给出了涌现的三　区别于传统的ＭＡＳ研究，称这种研究方式为“面向　个判据口　：（１）一个整体的涌现特征不是其部分的　涌现的ＭＡＳ研究”．　特征之和；（２）系统涌现特征的种类与系统组分特　传统的ＭＡＳ研究主要关注微观层面的问　征的种类完全不同；（３）涌现特征不能从独立考察　题　］，如Ａｇｅｎｔ理论、Ａｇｅｎｔ体系结构等；在宏观方　组分的行为中推导或预测出来．这三个判据也称之　面也仅仅主要关注Ａｇｅｎｔ之问的交互、协作等局部　为可加性判据、新奇性判据和可演绎性判据口　．穆　行为问题，缺少对系统宏观全局问题，特别是涌现性　勒的这三个判据都是从特征的微一宏观联系来展开　问题的研究．面向涌现的ＭＡＳ研究关注的是ＭＡＳ　的．当我们说一个系统特征是涌现或总成的时候，也　的宏观层面的涌现性问题以及系统涌现的宏观与微　就隐含了这种特征的微一宏观联系的特点．　观层面的联系机制，并最终希望发展出一套面向涌　可演绎性判据往往被解释成涌现特征的不可解　现的多Ａｇｅｎｔ系统的设计和控制方法．这种研究视　释性或神秘性，这对于复杂系统研究者或新涌现主义　角顺应应用的发展，采用中观或宏观观察级别来审　者（ｎｅｏ—ｅｍｅｒｇｅｎｔｉｓｍ）来说，是不可接受的ｌ１　ｎ　引．　视ＭＡＳ，设计操控ＭＡＳ整体的宏观涌现特征，使　他们的重要目标之一就是要建立起涌现特征与微观　之满足设计目标或与所在的开放系统相协调．本文　机制的联系，认识并控制涌现特征．在涌现与总成的　试图对目前面向涌现的ＭＡＳ研究作相对系统总　区别上，他们往往只强调可加性判据和新奇性判据，　结，以促进进一步的研究．　而忽略可演绎性判据．文献［１１，１４］就是从新奇性角　本文第２节通过与相关概念的对比，介绍涌现　度来定义涌现的．文献［１２］从独立描述性角度，将涌　的概念和特征；在第３节中考察了ＭＡＳ面向涌现　现定义为“可以独立于它的实现而加以描述的现　的宏观描述，从两个角度总结了目前ＭＡＳ宏观描　象”，这也回避了涌现特征的微观可解释性．　述的工作；第４节探讨了当前ＭＡＳ面向涌现的宏一　我们应当承认涌现和总成都有微观可解释性，　微观联系机制研究；第５节从工程的角度比较分析　它们的不同之处在于：总成特征可以从独立组分的　了面向涌现的ＭＡＳ设计方面的工作；在第６节中　特征或行为推导或预测出来，而不需要考察组分之　分析讨论了该领域研究存在的问题和进一步的研究　间的联系；而涌现特征必须结合组分和它们之间的　方向．　关系才能得到解释．例如，在一定意义上，我们可以　说一个函数程序的代码量是总成的，而函数功能则　２涌现的概念与特征　是由指令涌现出来的．　２．２涌现与综合　涌现是ＣＡＳ系统的一个重要特征，当我们把　对于一些研究者来说，将程序函数功能看成是　ＭＡｓ看成ｃＡｓ，将涌现引入ＭＡＳ研究时，对它有　指令的涌现结果，也是不可接受的．这就涉及涌现与　一个清楚的认识是非常必要的．　综合（ｓｙｎｔｈｅｓｉｓ）的区别．　对于“涌现”，不同的复杂系统研究领域有不同　在原始意义上，综合是与分析相对的概念，指的　的认识ｌ＿１　ｎ］．通常，人们将它用来指称这样的微一宏　是将组分或元素按照一定的结构组成一个整体ｌ＿１　．　观效应现象——“因局部组分之间的交互而产生系　在这个意义上，综合表征的也是系统特征的微一宏观　维普资讯 http://www.cqvip.com ６期　金士尧等：面向涌现的多Ａｇｅｎｔ系统研究及其进展８８３　效应．如果说一个系统特征是综合的，那么它是满足　ＣＡＳ系统中，这两个方面往往纠缠在一起，统一在　不可加性和新奇性的．这是综合与总成的区别．综合　同一过程当中．所以，在实践中，对涌现与自组织的　与涌现的区别在于系统微观和宏观之间的作用．　关系存在３种看法：（１）自组织是涌现产生的原　在前面的讨论中，我们认为涌现特征只有通过　因Ｅｌ７］９］；（２）自组织是涌现的结果＿２　；（３）自组织　组分和组分之间的关系得到解释，也就是说涌现特　是涌现的一种特殊形式口］．当我们将自组织看成是微　征是组分之间相互作用的结果．这里并没有对这种　观机制和动态过程的时候，一般持第一种看法；将自　相互作用的特点加以限定，并且也只是指出了系统　组织看成是系统的一种性质或能力的时候，往往产　的微一宏观效应，并没有说明宏微观作用．在涌现含　生第二种看法；而结合前两种看法或对涌现和自组　义中，组分之间的作用关系是动态的，并且这种微观　织在概念上不加区分的时候，就会得到第三种看法．　和宏观的关联是双向的口　Ｍ］．而在综合中，组分之　所以，由于概念上的差别和实际过程的统一性，　间的关系往往是静态的（如静态的结构、时序、逻辑　在面向涌现的ＭＡＳ研究中，往往只有在强调系统　关系等），并且一般只有微宏观效应，由此产生的宏　的不同特点时，分别使用涌现与自组织概念．本文采　观特征往往确定不变．　用第二种看法．　涌现中的微观与宏观的双向关联指的是：一方　２．４涌现的特征　面，微观组分及其相互作用产生宏观特征（行为、结　文献Ｅ６，１１］结合诸多文献对涌现的特征作了概　构等）；另一方面，产生的宏观特征反过来影响微观　括，主要有以下几个方面：　组分以及其关系，成为它们的约束或动因．这种双向　（１）微一宏观效应．这是涌现最重要的特征，指的　关联使得系统具有一定的动态性和鲁棒性．也正是　是系统底层微观活动产生高层宏观性质、行为、结　这种双向关联使得涌现似乎很神秘．　构、模式等．　所以，在上面这种意义下，简单程序函数功能是　（２）双向关联．指的是微观与宏观的双向关联，　指令的综合特征，而不是涌现的．因为简单程序函数　即从微观到宏观产生微一宏观效应，从宏观到微观，　中的指令关系是静态的，并且只存在微宏观效应．　微一宏观效应的结果对微观组分及其活动产生影响．　２．３涌现与自组织　（３）分散控制．指的是系统没有指导其宏观行　在ＣＡＳ系统动态性方面，需要将涌现与自组织　为的集中控制部分，只是利用局部的机制影响全局　（ｓｅｌｆ＿ｏｒｇａｎｉｚａｔｉｏｎ）在概念区分开来．和涌现一样，　行为．也就是说系统中的个体没有全局图景，其影响　自组织也是ＣＡＳ系统的重要特征．实际ＣＡＳ中，涌　和作用是局部的．　现与自组织有着紧密的联系，但是在概念上还是存　（４）完全新奇性．这个特征指的是，相对于微观　在着较大差别．　层次的个体行为，系统的全局行为是新奇的，也就是　概念上，自组织和涌现的主要区别表现在以下　说，微观个体没有全局行为的显式表示．　几个方面：（１）它们强调的是ＣＡＳ的不同方面．和　（５）一致相关性．指的是组分之间逻辑一致的　自组织比较，涌现强调的是一致性宏观特征的产　关联关系．这种相关性约束着底层分散的组分，并使　生＿】　；而自组织强调的是内部结构的动态、适　得它们相互关联起来，形成一个高层整体；从而使得　应、自发的变化＿】　，１５－１　６３．（２）一个自组织系统，不一　涌现特征以一个和谐整体呈现出来，并表现出相对　定产生涌现特征＿】　．例如，一个分布式问题合作求　持久的模式．　解系统，其计算结点都有一定的自主性，系统可以自　（６）此外，还有由这些特征衍生出的一些特性，　发、动态地调整自己的结构，以完成问题的求解．但　如动态性、非线性、鲁棒性和柔韧性等．　是，如果有一个控制计算结点拥有系统的全局目　涌现的这些特性在前面的讨论中都有所体现．　标，这个系统不具有涌现性，因为在问题求解这个　特征上，相对于控制计算结点来说，并不是新奇的．　３　ＭＡＳ面向涌现的宏观描述　（３）一个具有涌现性的系统，不一定是自组织的ｌ１　．　例如，仅由空气组成的热力学系统中，气体体积是气　面向涌现的ＭＡＳ研究关注的是ＭＡＳ的宏观　体分子相互作用的涌现特征，但是这样的系统不是　特征，所以面向涌现的ＭＡＳ宏观描述必不可少．在　自组织的．　这一方面，虽然还没有建立完整的概念框架，但是人　虽然在概念上涌现和自组织是不同的，但是　们对此进行了有力的探索．　维普资讯 http://www.cqvip.com ８８４　计　算　机　学　报　３．１　基于逻辑的群体思维涌现性描述　从这个定义可以看出Ｍ—ＩＮＴ和Ｃ—ＩＮＴ也是　基于意识立场的ＭＡＳ群体思维状态，大都是　通过逻辑模型描述的，主要包括联合信念、联合意　图、联合承诺等．群体思维状态的逻辑模型刻画了这　些概念之间的联系，同时也揭示了群体思维状态和　Ａｇｅｎｔ个体思维状态之间的联系，在一定程度上体　现了它们的涌现特征．特别是Ｄｕｎｉｎ　Ｋｅｐｌｉｃｚ等人给　出的群体思维状态逻辑模型［２。删，在ＭＡＳ群体思　维状态的面向涌现描述方面最为突出．　（１）联合信念（Ｃｏｌｌｅｃｔｉｖｅ　Ｂｅｌｉｅｆ）　联合信念是对ＭＡＳ群体认知的描述，逻辑上　是其它几个概念的基础．Ｄｕｎｉｎ　Ｋｅｐｌｉｃｚ等人口　。　将　模态算子Ｅ—ＢＥＬ和Ｃ—ＢＥＬ区分开来（Ｅ—ＢＥＬｃ（　）　表示Ａｇｅｎｔ组群Ｇ中每个Ａｇｅｎｔ都有　的信　不动点．和Ｃ—ＢＥＬ类似，在一定程度上，我们可以　体会出其涌现特征．　（３）联合承诺（Ｃｏｌｌｅｃｔｉｖｅ　Ｃｏｍｍｉｔｍｅｎｔ）　联合承诺为ＭＡＳ在建立任务规划的情况下，　提供了行为上的相对确定性和持续性，也是描述　ＭＡＳ群体思维状态的一个重要概念．　为了定义联合承诺，Ｄｕｎｉｎ　Ｋｅｐｌｉｃｚ等人　承诺，ｓｏｃｉａｌ　ｃｏｍｍｉｔｍｅｎｔ）：　。］　首先定义了两个Ａｇｅｎｔ之间的相互承诺（称为社会　ＣＯＭＭ（　，　，口）一ＩＮＴ（　，口）ＡＧＯＡＬ（ｊ，ｄｏｎｅ（ｉ，口））＾　Ｃ—ＢＥＬ　，１（ＩＮＴ（　，口）＾ＧＯＡＬ（ｊ，ｄｏｎｅ（ｉ，口））），　其中，ＣＯＭＭ（ｉ，　，口）表示Ａｇｅｎｔ　ｉ对Ａｇｅｎｔ　Ｊ承诺　执行动作ａ；ＧＯＡＬ为目标算子；ｄｏｎｅ（ｉ，ａ）表示　Ａｇｅｎｔ　ｉ已经执行了动作口．　在此基础上，他们给出了联合承诺定义的一般　图式［２　．然后针对不同的Ａｇｅｎｔ意识，定义了几　念，Ｃ—ＢＥＬ　ｑｏ）表示组群Ｇ有　的联合信念）．将　Ｅ—ＢＥＬＧｑｏ）定义为　Ｅ—ＢＥＬＧ（　）一＾　Ｅ－ＧＢＥＬ（ｉ，　），　而将Ｃ—ＢＥＬ　ｑｏ）定义为不动点　Ｃ　ＢＥＬＧｑｏ）一Ｅ—ＢＥＬＧ（　＾Ｃ—ＢＥＬＧ（　））．　Ｍｉｃｈａｅｌ等人　。。　也将联合信念看成不动点，定义和　Ｄｕｎｉｎ－Ｋｅｐｌｉｃｚ等人的类似．只不过他们的叫法不　同，称之为“相互共同信念（ｍｕｔｕａｌ　ｂｅｌｉｅｆ）”．　这种递归定义在逻辑上是一个无限过程，所以　种不同的联合承诺口　引．其中，常用的强联合承诺　（ｓｔｒｏｎｇ　ｃｏｌｌｅｃｔｉｖｅ　ｃｏｍｍｉｔｍｅｎｔ）定义为　ｓ　ＣＯＭＭＧ，Ｐ（　）＋÷Ｃ—ＩＮＴＧｑｏ）Ａｃｏｎｓｔｉｔｕｔｅ（ｃｏ，Ｐ）＾　Ｃ—ＢＥＬＧ（ｃｏｎｓｔｉｔｕｔｅ（￣，Ｐ））＾＾。　Ｖ　ＣＯＭＭ（ｉ，Ｊ，１２）＾　∈Ｐ　，Ｊ∈Ｇ　Ｃ　ＢＥＬＧ（＾Ｖ　ＣＯＭＭ（　，　，１２）），　ｄ∈Ｐ　ｉ，，∈Ｇ　这种定义下，联合信念不是Ａｇｅｎｔ信念的简单组　合，体现了联合信念的涌现性．为了快速建立起联合　信念，文献［２６］假设了一个发起者，再通过一个有限　过程确立联合信念．但是，如果将联合信念看成　ＭＡＳ的涌现特征，则可以将这个假定的发起者剔除　出这个过程．　谓词ｃｏｎｓｔｉｔｕｔｅ（　，Ｐ）表示规划Ｐ确保目标　能正　确实现．　可见，Ｄｕｎｉｎ－Ｋｅｐｌｉｃｚ等人对联合承诺的定义是　建立在联合信念和联合意图的基础上的，结构相对　复杂，在一定程度上也体现了它的涌现特征．　３．２基于统计的宏观行为涌现性描述　（２）联合意图（Ｃｏｌｌｅｃｔｉｖｅ　Ｉｎｔｅｎｔｉｏｎ）　由于群体思维状态描述是基于逻辑的，它往往　存在理论到实践上的鸿沟［３　，并且在开放环境下　Ａｇｅｎｔ思维状态往往不可测．所以，在实践中，人们　对ＭＡＳ的宏观涌现行为通常采用的是基于统计的　联合意图为ＭＡＳ提供了可测预动性和灵活反　应性，是描述ＭＡＳ群体思维状态的一个重要概念．　Ｄｕｎｉｎ－Ｋｅｐｌｉｃｚ等人［２。　区分了３种意图：Ｅ—ＩＮＴ、　Ｍ—ＩＮＴ和Ｃ—ＩＮＴ，分别将它们定义为　Ｅ—ＩＮＴＧ（　）一＾ｉ６ＧＩＮＴ（ｉ，　），　描述．与基于Ａｇｅｎｔ内部心智的群体思维状态描述　不同，基于统计的ＭＡＳ宏观涌现性描述关注的是　Ａｇｅｎｔ外部行为和属性（例如Ａｇｅｎｔ的交互模式），　Ｍ　ＩＮＴＧｑｏ）一Ｅ—ＩＮＴＧ（　＾Ｍ—ＩＮＴＧｑｏ）），　Ｃ—ＩＮＴＧ（　）一Ｍ—ＩＮＴＧ（　）＾　Ｃ—ＢＥＬＧ（Ｍ—ＩＮＴ　（　）），　在此基础上选择合适的特征统计量，并研究其在系　统中的变化规律，以刻画ＭＡＳ的宏观行为和涌现　特征．　Ｅ　ＩＮＴｃｑｏ）表示Ａｇｅｎｔ组群Ｇ中每个Ａｇｅｎｔ都有　使　为真的意图；Ｍ　ＩＮＴ　（　）表示Ｇ中的每个　Ａｇｅｎｔ都有使　为真的意图和使每个Ａｇｅｎｔ都有使　为真的意图，可以称为“相互共同意图（ｍｕｔｕａｌ　ｉｎ—　（１）基于熵的描述　由于宏观特征的涌现，往往伴随着系统有序性　的增加，人们在宏观层面描述ＭＡＳ时，普遍选择的　统计量是“熵”．　ｔｅｎｔｉｏｎ）”；Ｃ—ＩＮＴ　ｑｏ）则表示组群Ｇ有使　为真的　联合意图．　在热力学中，熵（ｅｎｔｒｏｐｙ）是系统无序性的度　维普资讯 http://www.cqvip.com ６期　金士尧等：面向涌现的多Ａｇｅｎｔ系统研究及其进展８８５　量．Ｓｈａｎｎｏｎ将它引入信息学中，作为信息量的度　的ＭＡＳ的动力学过程．　量，称为信息熵．在ＭＡＳ研究中，熵的概念一般采　用Ｓｈａｎｎｏｎ的定义［１９－２０，３１－３２］，即若对于ＭＡＳ中所有　ＭＡＳ具体过程的宏观动力学描述，也是目前　ＭＡＳ宏观研究的一个重要方面．Ｆａｌｃｏｎｅ等＿３。　给出　了ＭＡＳ中信任产生的社会意识动力学过程；Ｌｉｕ　Ａｇｅｎｔ的属性Ａ，其所有　个值的取值概率分别为　Ｐ　，Ｐ　，・一，Ｐ　，则系统中Ａｇｅｎｔ的属性Ａ的熵为　ＨＡ一一　Ｐ　ｌｏｇ（ｐ　）．　等口　研究了粒群系统中群体智能的混沌动力学特　征．多Ａｇｅｎｔ博弈和决策形成过程也多采用动力学　形式描述．Ｌａｃｋｏ等人＿３　用动力学形式描述了　ｉ一１　根据这一定义，可以知道ＭＡＳ中的熵是就　Ａｇｅｎｔ的某个属性而言的，而不是一个笼统的概念．　这种有具体所指的熵，在某种程度上反映的是与这　一ＭＡＳ中的博弈策略的涌现过程；Ｔｕｙｌｓ等口　研究了　重复博弈中，ＭＡＳ学习的演化动力学．　通过动力学描述，人们发现了ＭＡｓ宏观涌现　行为的一些重要特征，如全局收敛性ｌ４　。　和相　属性有关联的系统某方面的宏观特征，而不是系　统的同一属性．例如，文献Ｅ３１］就是将Ａｇｅｎｔ的类　型作为考察属性，来定义等级社会熵（ｈｉｅｒａｒｃｈｉｃ　ＳＯ—　ｃｉａｌ　ｅｎｔｒｏｐｙ），从而给出ＭＡＳ多样性特征的定量描　变＿４　等．这些特征对认识、设计和控制ＭＡＳ宏观　行为的涌现，意义非常大．　（３）ＭＡＳ中的普适性　述．Ｍｉｉｌｌｅｒ—Ｓｃｈｌｏｅｒ等人已经在文献［１９］中阐明了　利用熵来描述系统宏观特征时，微观属性选择的重　要性．　受统计物理学启发，Ｐａｒｕｎａｋ等人＿４　］通过研究　认为，ＭＡＳ的某些系统行为独立于单个Ａｇｅｎｔ的　内部心智和Ａｇｅｎｔ之间的交互细节．也就是说，两　个拥有完全不同Ａｇｅｎｔ的ＭＡＳ，可能具有相同的　和熵的原始意义一样，ＭＡＳ中的熵在一定意义　上也是系统无序性的度量，要使ＭＡＳ宏观行为走　涌现特征．他们将这种现象称之为普适性（ｕｎｉｖｅｒ　ｓａｌｉｔｙ）．从前面对ＭＡＳ的熵和动力学的介绍中，可　以看出其中的普适性特征．　ＭＡＳ中的普适性是ＭＡＳ的一个重要宏观特　向有序，必须降低系统的熵．Ｐａｒｕｎａｋ等人　。。受统　计物理学中研究结果的启发，认为在ＭＡＳ中可以　通过微观层次的熵增，达到宏观层次熵的降低．但　是，他们是将信息素作为ＭＡＳ的组成部分来考察而　得出结论的．如果将信息素作为环境的一部分，将其　熵增作为ＭＡＳ的输入熵，则也可以认为通过外部熵　征，是ＭＡＳ基于统计描述的重要依据．发现ＭＡｓ　中的普适性特征，是ＭＡＳ涌现性研究的重要方面．　的输入能够达到降低宏观熵的目的．Ｐｒｏｋｏｐｅｎｋｏ等　人［３　就是从以上两个角度来研究Ａｇｅｎｔ团队的有　序性的．　（２）基于动力学的描述　基于动力学的ＭＡＳ宏观涌现性描述是在一些　统计量的基础上，利用数学工具刻画ＭＡＳ的系统　４　ＭＡＳ涌现的微一宏观机制　Ｈｏｌｌａｎｄ将涌现的微一宏观机制看成是受限生成　过程（Ｃｏｎｓｔｒａｉｎｅｄ　Ｇｅｎｅｒａｔｉｎｇ　Ｐｒｏｃｅｄｕｒｅｓ，ＣＧＰ）ｌ４　．　也就是说，系统的宏观涌现特征是微观机制生成的　结果，而微观机制间的相互作用和反馈“约束”或“限　制”了结果的可能性．受限生成过程是涌现研究的一　行为和宏观演化规律，进而确定系统的涌现特征．虽　然一些研究者认为涌现现象不是数学可分析的，但　是随着研究的深入，渐渐被研究者所否认．ＭＡＳ的　宏观动力学行为是ＭＡＳ涌现研究的一个重要方　个普适框架，而在具体问题或应用中，需要确定这一　具体过程．由于在ＣＡＳ研究中对涌现的这一过程已　经有一定的认识，目前ＭＡＳ中涌现的微一宏观机制　主要是受这些研究的启发而得到的，例如生物系统、　面．通过动力学研究，可以确定ＭＡＳ的宏观演化规　律，判断一些涌现特征发生的时机．　目前，基于动力学的ＭＡＳ宏观描述主要针对　社会系统、经济系统和一些人工系统等各类ＣＡＳ涌　现现象的研究ｌ１　“　．　４．１受生物系统启发的机制　具体的ＭＡＳ．Ｌｅｒｍａｎ等人　。。给出了一个通用方法　来描述满足马尔可夫性质的ＭＡＳ的动力学过程，　并用该方法分析了这类ＭＡＳ中联盟的形成、多　Ａｇｅｎｔ合作等过程．Ｓｍｏｌｋａｌ３　等在形式化模型的基　础上，给出了大规模并行计算ＭＡＳ的动力学过程．　（１）Ｓｔｉｇｍｅｒｇｙ机制　Ｓｔｉｇｍｅｒｇｙ这个词是生物学家Ｇｒａｓｓｅ创造的，　并用它来说明白蚁的筑巢行为，即工作成果本身为　白蚁的进一步工作提供了刺激和指令　．因此，在　Ｓｔｉｇｍｅｒｇｙ机制中，存在两种重要的微观机制：①在　Ｊｏｈｎｓｏｎ等人［３　研究了由相互竞争的Ａｇｅｎｔ构成　维普资讯 http://www.cqvip.com ８８６　计　算　机　学　报　没有中心控制的情况下，一些Ａｇｅｎｔ为完成某项任　动分工和产生社会组织，这是ＭＡＳ中非常重要的　一务而独立工作，它们之间是没有直接通信的；②这　些Ａｇｅｎｔ能够随时感知工作结果，并以此作为自己　进一步工作的指南．在基于Ｓｔｉｇｍｅｒｇｙ的ＭＡＳ中，　种涌现现象．　强化机制是一种天然的学习方法，往往成为交　互（反馈）学习的代名词，因此强化机制也往往在　Ａｇｅｎｔ或ＭＡＳ学习这一语境中出现．在学习过程　就是这些机制及其相互作用“生成”了ＭＡＳ的涌现　特征．　中，Ａｇｅｎｔ或ＭＡＳ尝试在其环境中产生一些作用　（输出），然后收到一个关于该作用的一个定量评价　Ｓｔｉｇｍｅｒｇｙ机制被广泛应用于ＭＡＳ，以获得需　要的涌现特征，如自组织．Ｂｒｕｅｃｋｎｅｒ等［５。。将它作为　（报酬），学习算法选择性地保留那些最大化自身报　Ａｇｅｎｔ协作机制，应用于移动自组网的管理中，使得　酬的输出．　管理具有良好的自组织特征．Ｋａｒｕｎａ等＿５妇等将　强化学习通过奖惩函数来调整Ａｇｅｎｔ或ＭＡＳ　ＭＡＳ应用于工业自动控制，并把Ｓｔｉｇｍｅｒｇｙ作为其　的行为，使得系统具有较强的适应性，常常表现出一　协调和控制机制，使得整个控制系统具有涌现特征　些涌现特征．例如，文献Ｅ５６３研究了基于强化学习的　的预测能力．　聚集涌现现象．Ｍａｚｕｒｏｗｓｋｉ等＿５　将强化学习用于　（２）信息素机制　ＭＡＳ通信，以产生通信涌现．Ｄｏｗｌｉｎｇ等人＿５。　将它　信息素（ｐｈｅｒｏｍｏｎｅ）机制来源于对蚁群觅食这　应用于移动自组网的路由优化，使得路由协议具有　一涌现现象的观察：蚁群通过信息素传递食物的路　白组织特性．　径信息．信息素机制主要包括３种机制：①Ａｇｅｎｔ按　（４）免疫机制　照一定的规律顺着某种信息素指示的方向行进，并　免疫机制来自对生物免疫系统的研究．在免疫　在经过的路径上遗留某种类型和一定浓度的信息　系统中，Ｂ细胞通过刺激／抑制链形成一个大规模细　素；②信息素按照一定的规律，随着时间的推移而　胞网．Ｂ细胞的表面有受体，受体可以识别入侵的抗　蒸发；③在一些情况下，蒸发过程使得信息素散布　原，并能产生相应的抗体＿５　．这样，Ｂ细胞组成的网　到附近区域．信息素的这些机制使得一些特征的涌　络，使得免疫系统消灭入侵抗原是通过集体方式进　现成为可能．　行．另外，免疫系统随着抗原的入侵或去除，自动调　从通信的角度讲，Ｓｔｉｇｍｅｒｇｙ可以看成是Ａｇｅｎｔ　节抗体的数量；并且免疫系统自身结构也会随着环　之间的一种间接通信机制，所有Ａｇｅｎｔ通过作用于　境的变化而改变．这些机制相互作用使得免疫系统　环境和感知环境达到默契协作．在这种意义上，信息　表现出显著的涌现特征．　素机制可以看成是Ｓｔｉｇｍｅｒｇｙ机制的一种特殊形　就像Ｂ细胞网络为免疫系统提供消灭抗原的　式．文献Ｅ５￣３就采用的是这种看法．在一些应用中干　“服务”一样，免疫机制常用在组合服务的涌现上．　脆就把它们等同起来［５１，５３｝．　例如，普适计算中服务的涌现Ｅｓ９｝和Ｗｅｂ服务的　信息素机制也应用得非常广泛．例如，Ｐｅｅｔｅｒｓ　涌现ｌ６　．　等人［５。　将信息素机制应用于基于ＭＡｓ的车间控制　４．２受经济系统启发的机制　系统，使得系统具有获得优化解和应对动态环境的　经济系统中也存在各种宏观涌现现象，这常被　能力．Ｐａｒｕｎａｋ等＿５　将它应用于无人驾驶车辆和飞　比喻成是受“无形之手（ｉｎｖｉｓｉｂｌｅ　ｈａｎｄ）”的控制　行器，使它们能够协调工作、完成任务．Ａｎｄｏ等　的　．经济系统的微观研究和宏观研究分别产生了　人＿５朝将信息素机制应用于交通预测，以判断交通拥　微观经济学和宏观经济学，目前正致力于微观和宏　塞是否会发生．　观经济现象之间的联系的研究，并取得了一些重要　（３）强化机制　的成果，如博弈论．　在生物学中，强化（ｒｅｉｎｆｏｒｃｅｍｅｎｔ）机制最初是　（１）博弈机制　用来解释这一现象：生物系统中会分化出“专业人　博弈机制的理论基础是博弈论．博弈论是基于　士”和“一般劳动力”ｌ４　．强化机制指出：随着Ａｇｅｎｔ　理性人假设，研究决策主体之间发生直接相互作用　经验的增长，任务刺激对它的影响也越来越有效．这　时的决策以及这种决策的均衡问题＿６　．理性人有一　主要通过两种机制实现＿４　：①Ａｇｅｎｔ的工作效率随　个很好定义的偏好，在面临给定的约束条件下最大　着经验的增长而提高；②由于工作经验，Ａｇｅｎｔ对　化自己的偏好ｌ６　．可以看出，这些假设和研究内容　相关刺激的阈值的要求降低．强化机制可以导致劳　与ＭＡＳ研究有着天然的联系．理性人就是一类典　维普资讯 http://www.cqvip.com ６期　金士尧等：面向涌现的多Ａｇｅｎｔ系统研究及其进展８８７　型的Ａｇｅｎｔ，例如代理拥有者或用户的代理Ａｇｅｎｔ，　它们通常被赋予自身利益（偏好），Ａｇｅｎｔ在行动中　寻求自身利益的最大化．利用博弈论，可以研究这类　Ａｇｅｎｔ的行为和由这些Ａｇｅｎｔ组成的ＭＡＳ的宏观　行为．　标中信任的涌现；Ｆａｔｉｍａ和Ｗｏｏｌｄｒｉｄｇｅ等人＿＿６　考　察了不确定信息情况下，ＭＡＳ的均衡特征．　４．３受社会系统启发的机制　社会个体的交互形成各种各样的社会网络，而　它们无一例外的具有许多涌现特征．虽然许多社会　网络涌现的机制并没有完全研究清楚，但是还是能　够对ＭＡＳ的涌现机制带来一些隐喻和启发．　（１）时疫和流言机制　时疫和流言的传播机理大致相同．传播范围达　到一定程度后，时疫会大规模爆发，引发灾难；而流　言也会达到“众口铄金”的效果．时疫和流言机制，通　博弈包括以下一些要素和机制　：①博弈中选　择行动以最大化自己效用的Ａｇｅｎｔ；②Ａｇｅｎｔ的决　策变量，也称行动；③Ａｇｅｎｔ选择行动的规则，也称　战略；④Ａｇｅｎｔ在博弈中的知识，特别是关于其它　Ａｇｅｎｔ的特征和行动的知识；⑤Ａｇｅｎｔ从博弈中获　得的效用水平，也称支付函数，它是所有Ａｇｅｎｔ战　略或行动的函数．同时，可以对Ａｇｅｎｔ行动的秩序　和Ａｇｅｎｔ关于其它Ａｇｅｎｔ的知识做出假设，将博弈　分为４类　，如表１．博弈中的要素和机制相互联系　过周期性的Ａｇｅｎｔ个体信息交流和更新，使得Ａ—　ｇｅｎｔ群体内全局信息聚集涌现出来．　时疫和流言机制对ＭＡＳ中的信息传播和知识　和作用，产生一些涌现特征，例如，在一定条件下所　有Ａｇｅｎｔ会出现最优战略或行动，称之为均衡，不　同的博弈类型对应不同的均衡（表１）．　表１　４种博弈类型及其对应的均衡Ｅｓ　信息　静态　交流启发很大，例如信息的传输和路由．Ｐ２Ｐ计算领　域提出了一类传输协议，称为传染协议（ｅｐｉｄｅｍｉｃ　ｐｒｏｔｏｃｏ１）Ｅ　．它们就是利用这种机制实现的，使得　系统具有高鲁棒性和强可扩展性．文献ＥＴ］］将这一　机制应用到传感器网络的路由算法，取得了很好的　效果．　行动顺序　动态　（２）信任和声誉机制　在社会系统中，信任与声誉是两个不同的概念．　信任表示的是社会主体之间的一种社会关系；而声　誉在某种程度上是社会主体的一种社会属性．但是　博弈机制赋予Ａｇｅｎｔ相互理性（ｍｕｔｕａｌ　ｒａｔｉｏｎ—　ａｌｉｔｙ），而使得无需通信ＭＡＳ中就可以产生协调与　合作　．博弈机制最引人注目的应用是ＭＡＳ中　．自主协商使得Ａｇｅｎｔ为ＭＡＳ的　的自主协商　它们之间又是相互联系的．一个社会主体的声誉越　高，越能得到其它社会主体的信任；而得到越多的信　任，其社会声誉也往往越高．　信任和声誉机制主要有以下要素和机制：①信　公共利益自动达成协议，进而引导Ａｇｅｎｔ行动，促　使ＭＡＳ相应宏观属性和行为的涌现　引．　（２）拍卖机制　任度，信任者对被信任者信任程度的度量；②声誉　值，社会主体声誉高低的度量；③第三方认证（引　荐），相互信任基础上的信任传播；④信任评估，根　据历史和当前信息，做出信任或不信任判断；⑤信　任更新，在已有信息和判断的基础上，更新信任度和　声誉值．　信任和声誉机制最直接的应用当然是ＭＡＳ中　拍卖　是一种基于市场的、以显式规则（即拍卖　规则）来决定资源分配和商品价格的资源分配机制，　具有快速、有效、可操作性强等特点．拍卖机制主要　包括以下一些要素和机制：①拍卖者；②竞标者；　③效用函数；④拍卖规则；⑤竞价策略．拍卖者和竞　标者都希望自己的效用函数最大化，拍卖者试图通　过设计一个适当的拍卖规则实现这个愿望，而竞标　者试图通过相应的竞价策略实现他们的愿望．　ＭＡＳ研究也试图引入拍卖机制，来解决任务分　配和资源配置等问题，优化系统性能．例如，文献［６７］　的信任机制的设计　。。引．信任和声誉机制中的各要　素和机制相互作用，也会产生一些涌现特征．例如，　Ｅｉｇｅｎｔｒｕｓｔ算法　便体现了局部信任到全局声誉的　涌现．文献ＥＴｓ］将信任和声誉机制引入Ａｇｅｎｔ之间　的交互，使得系统具有自组织特性．　将拍卖机制应用于服务资源的分配，提高了服务组　合的效率．拍卖机制中各要素和机制相互作用也会　产生某些涌现现象．例如，文献Ｅ６８３考察了ＭＡＳ竞　５面向涌现的ＭＡＳ设计　由于Ａｇｅｎｔ具有反应性、预动性、社会行为能　维普资讯 http://www.cqvip.com ８８８　计　算　机　学　报　力，在无集中控制的情况，ＭＡＳ不可避免地产生一　些涌现现象．Ｊａｍｅｓ［　。　很早就指出，在构建一个　ＭＡＳ时，应该考虑ＭＡＳ的涌现特征，并将涌现作　为一个重要观念而引入ＭＡＳ的分析与设计．对此　我们称之为面向涌现的ＭＡＳ设计．　面向涌现的ＭＡＳ设计以ＭＡＳ的涌现性研究　的方法，也为目前的ＭＡＳ分析设计方法所使用，都　是从目标需求出发，经过逐步精化而得到目标系统．　在自顶向下的面向涌现的分析设计方法中，涌现性　目标作为系统需求的一个重要部分，而贯穿于整个　分析设计过程，保证设计出的ＭＡＳ具有期望的涌　现特征．其示意图如图２所示．　需求　规约　涌现　求描　涌现性　目标　涌现　行为　为基础，以面向涌现的设计方法和设计模式为指导，　利用相应的开发工具和平台，来进行ＭＡＳ设计．它　使得ＭＡＳ具有所需的涌现特征，或避免一些涌现　现象的发生．　在对ＭＡＳ的涌现性有一定的认识的基础上，　通常有两种方法使ＭＡＳ获得期望的涌现性：①在　分析时充分考虑ＭＡＳ的涌现性要求，并在设计时　采取相应机制保证（或避免）一些涌现特征的出现；　图２　自顶向下方法的不恿图　②在系统运行时，控制相应条件，促使期望的涌现　现象发生，或抑制危害性的涌现现象．但是第二种方　法也是以第一种方法为前提的，只有在分析设计时考　虑到这样的控制条件，在运行时才能进行有效控制．　５．１分析设计方法　Ｄｅ　Ｗｏｌｆ和Ｈｏｌｖｏｅｔ＿７　给出的自组织ＭＡＳ的　全生命周期设计方法，就是在传统方法的各个阶　段加入涌现性分析设计的方法．Ｇｌｅｉｚｅｓ等人的　ＡＤＥＬＦＥ方法Ｅ　引，就是在ＲＵＰ基础上扩展而得到　的方法，它增加了设计适应系统的特定步骤，使得设　计的ＭＡＳ具有自组织特征．　在方法上，面向涌现的ＭＡＳ分析与设计可以　自底向上进行，或自顶向下进行，或将两者综合起来　进行．　（１）自底向上的方法　（３）综合的方法　自底向上的Ａｄ　ｈｏｃ方法往往带有一定的盲目　性，要达到设计目标通常需要大量的实验．自顶向下　的面向涌现的分析设计方法，面临的一个重要问题　是：涌现性质一般不可精化［７　．所以单独使用这些　方法很难实现设计目标．一种折衷方案是综合这两　种方法，取长补短，在自顶向下和自底向上的方法之　从某种意义上讲，自底向上的方法是一种非正　式的经验方法（Ａｄ　ｈｏｃ方法），因而不受人们重视．　但是在实际的分析设计中（特别是规模较小时），往　往不自觉地采用这种方法．这种方法不是从ＭＡＳ　涌现性目标出发一步一步得到单个Ａｇｅｎｔ的功能　结构，而是根据经验和直觉直接设计（或在已有的工　作基础上修改）单个Ａｇｅｎｔ及Ａｇｅｎｔ之间的交互，再　通过实际运行或仿真观察其涌现行为，不满足要求时　修改设计，直到满意为止．其示意图如图１所示．　设计目　瘃　间取得平衡．其示意图如图３所示．　设计目　向下　设计　向上　设计　≥　一　ｆ　经验或直觉　图３综合方法的不惹图　ｆ　这种综合方法，希望能够自顶向下将涌现性目　标归约到“涌现媒介”，而这种“涌现媒介”又是可以　通过自底向上的方法得到的．这里，“涌现媒介”是指　能够产生宏观涌现目标的中观或局部涌现特征（功　能、结构、行为等等），它在规模、空间、时间等尺度上　不是很大，可以方便地获得．　图１　自底向上方法的示意图　（２）自顶向下的方法　自顶向下的方法是传统的软件分析和设计采用　维普资讯 http://www.cqvip.com

６期　金士尧等：面向涌现的多Ａｇｅｎｔ系统研究及其进展　８８９　Ｐｏｕｈｏｎ等人ｌ８　钉］通过这种方法，实现了二维　表３　Ｄｅ　Ｗｏｌｆ等人的模式描述框架　积木的自组装．他们将“涌现媒介”称为“酶”．“酶”是　描述要素　含义　由积木按照一定规则相互作用、通过涌现产生的、由　模式名／别名　指称解决方案或有用隐喻的确　若干积木构成的稳定结构．分析目标结构可以确定　（Ｐａｔｔｅｒｎ　Ｎａｍｅ／Ａｌｓｏ　Ｋｎｏｗｎ　Ａｓ）　定清晰的名称和别名　需要什么样的“酶”，通过特定的“酶”可以获得目标　上下文／适用性　指出解决方案的应用场景，特　（Ｃｏｎｔｅｘｔ／Ａｐｐｌｉｃａｂｉｌｉｔｙ）　别何时该自组织涌现解决方案　积木结构．而相应的“酶”可以通过控制作用规则，由　最有前景　积木自底向上涌现产生．　针对问题／意图　指出该模式解决什么问题．工程　（Ｐｒｏｂｌｅｍ／Ｉｎｔｅｎｔ）　师通过比较其问题来选择模式　（４）仿真在分析设计中的重要作用　约束（Ｆｏｒｃｅｓ）　为一个问题选择解决方案时，　测试与验证是保证所设计的系统满足目标的关　需要考虑的对立因素　解决方案（Ｓｏｌｕｔｉｏｎ）　描述怎样解决给出的问题　键一环．在面向涌现的分析设计中，测试与验证工作　相关模式／机制　相关的一些模式以及它们的异　非常重要的一个方面，是确定是否能够获得期望的　（Ｒｅｌａｔｅｄ　Ｍｅｃｈａｎｉｓｍｓ／Ｐａｔｔｅｒｎｓ）　同点　涌现特征．由于涌现特征是在系统范围存在并动态　实例／已知应用　案例形式给出的已知应用的　（Ｅｘａｍｐｌｅｓ／Ｋｎｏｗｎ　Ｕｓｅｓ）　实例　保持的，传统的测试验证方法（单元测试、场景测试　等）不能确定其是否满足目标．另外，ＭＡＳ是一个复　Ｇａｒｄｅｌｌｉ等人认为Ｄｅ　Ｗｏｌｆ等人给出的模式是　杂的交互计算系统，要建立起一个有效的形式化模　一种复杂的模式，面它们可以通过更简单更基本的　型来验证其正确性非常困难．正是由于这些原因，使　模式构建出来　．他们给出的ＭＡＳ自组织设计模　得仿真成为一种不可或缺的测试与验证方法［７　．　式及其描述框架如表４和表５．其中，描述框架采用　Ｄｅ　Ｗｏｌｆ等人＿８　使用基于仿真的科学分析方　的是Ｌｉｎｄ提出的框架　．　法，来确定ＭＡＳ是否具有期望的宏观涌现行为．　表４　Ｇａｒｄｅｌｌｉ等人给出的自组织设计模式　Ｇａｒｄｅｌｌｉ等　胡则直接使用仿真来发现设计缺陷，验　模式　针对问题　证系统的正确性．　复制　（１）降低信息的访问时间　５．２设计模式　（Ｒｅｐｌｉｃａｔｉｏｎ）　（２）在受攻击或失效时，避免信息丢失　设计模式＿８　作为一种重要的软件重用方式而　联合分类　在没有对信息仓库做任何显式限定时，ＭＡＳ　（Ｃｏｌｌｅｃｔｉｖｅ　Ｓｏｒｔ）　环境查找信息的开销可能增大　受到设计者们的青睐．面向涌现的ＭＡＳ设计模式，　耀件　，　．　、　ＭＡＳ环境会被Ａｇｅｎｔ放置的过多信息所淹没　试图将ＭＡＳ涌现性设计经验以规范化的描述记录　Ｌｖａｐｏｒａｚｉｏｎ）　聚合　大规模的ＭＡＳ为综合出宏观信息，必须筛　下来，以获得成熟设计经验的重用．这首先需要从已　（Ａｇｇｒｅｇａｔｉｏｎ）　选Ａｇｅｎｔ放置的大量信息，这耗费较多资源　有的应用中甄别出一些固定的模式，然后以确定的　扩散　ＭＡＳ中Ａｇｅｎｔ只能访问局部信息，Ａｇｅｎｔ推　描述框架描述出来．这里我们主要介绍Ｄｅ　Ｗｏｌｆ等　（Ｄｉｆｆｕｓｉｏｎ）　理缺乏关于邻居的知识　人＿８［书　以及Ｇａｒｄｅｌｌｉ等人　在ＭＡＳ自组织设计模　表５　Ｇａｒｄｅｌｌｉ等人的模式描述框架　式方面的工作．　描述要素　含义　Ｄｅ　Ｗｏｌｆ等人＿８　书　从ＭＡＳ自组织应用中甄别　模式名（Ｎａｍｅ）　模式的名称　出的自组织协调模式如表２，所使用的描述框架如　别名（Ａｌｉａｓｅｓ）　模式名的别名　针对问题（Ｐｒｏｂｌｅｍ）　该模式所解决的问题　表３．这些模式主要受显示自然、社会和人工系统的　约束（Ｆｏｒｃｅｓ）　衡量标准之间的权衡　启发而得到．　参与实体（Ｅｎｔｉｔｉｅｓ）　参与到该模式中的实体　动力学（Ｄｙｎａｍｉｃｓ）　实体之间的交互　表２　Ｄｅ　Ｗｏｌｆ等人给出的自组织协调模式　依赖（Ｄｅｐｅｎｄｅｎｃｉｅｓ）　环境需求　实例（Ｅｘａｍｐｌｅ）　模式　针对问题　模式使用的一个抽象例子　实现（Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ）　对模式实现的提示　（Ｄｉｇ　ｈ　Ｐ字信息素路　已知应用（Ｋｎｏｗｎ　Ｕｓｅｓ）　使用该模式的现有应用　；＋　ｈｅｒｏｍｏｎｅＰ、　；　’　譬譬影响（ｃｏｎｓｅｑｕｅｎｃｅｓ）　对整个系统设计的作用　参考（Ｓｅｅ　Ａｌｓｏ）　给出共参考的模式　梯度场　空间运动；模式生成；结构生成；　（Ｇｒａｄｉｅｎｔ　Ｆｉｅｌｄｓ）　路由；上下文信息的整合　基于市场的协调　从Ｄｅ　ＷｏＫ等人和Ｇａｒｄｅｌｌｉ等人的研究可以看　一般的资源分配；资源使用或需　（Ｍａｒｋｅｔ－ｂａｓｅｄ　Ｃｏｏｒｄｉｎａｔｉｏｎ）　要信息的整合　出，面向涌现的ＭＡＳ设计模式是ＭＡＳ涌现机制及　标签　（Ｔａｇｓ）　团队形成；信任和声誉　其用于解决有关问题的规范描述，只不过他们是分　令牌　别从不同的层次给出的．Ｄｅ　ＷｏＫ等人及Ｇａｒｄｅｌｌｉ　（Ｔｏｋｅｎｓ）　同步；资源分配　等人给出的只是ＭＡＳ自组织的设计模式，其它涌　维普资讯 http://www.cqvip.com ８９０　计　算　机　学　报　现特征的设计模式还有待于进一步的发掘．　信息经济中，控制避免大规模的价格波动涌现　发生Ｅ叽］．　６问题与方向　面向涌现的ＭＡＳ研究正方兴未艾，取得了一　控制论告诉我们，一旦知道所有参数和系统演　化规律，控制活动就归结为改变操作参数（ｏｐｅｒａ—　ｔｉｏｎａｌ　ｐａｒａｍｅｔｅｒｓ）。所以，在涌现性度量的基础上，　些阶段性成果，同时存在一些亟待解决的问题，在一　些方向上需要更进一步的研究．　ＭＡＳ涌现性的控制，一定程度上，就是确保相关度　量值在相应的范围内．但是这并不是件简单事．因　为，在大多情况下，我们并不知道ＭＡＳ的操作参数　和支配规律；并且，即使知道这些参数和规律，有时　仍然缺乏影响系统行为的Ａｇｅｎｔ微观控制手段．　因此，要对ＭＡＳ的涌现特征进行有效控制，还　需对支配ＭＡＳ演化的规律进行研究以及探究系统　的微～宏观控制手段．　（１）基于逻辑的涌现性宏观描述的完善　从ＭＡＳ研究开始，人们就一直偏爱用逻辑来　描述ＭＡＳ．基于逻辑对ＭＡＳ的一些涌现特征进行　描述，是一种崭新的尝试．Ｄｕｎｉｎ－Ｋｅｐｌｉｃｚ等人给出　的群体思维状态逻辑模型＿２。　，在ＭＡＳ群体思维　状态的涌现性描述方面进行了有用的探索，具有非　常重要的意义．因为ＭＡＳ联合思维状态并非多个　Ａｇｅｎｔ的思维状态的简单联合，在一定程度上具有　涌现性．但是，这仅仅是一个开始．用逻辑对其它一　（４）ＭＡＳ涌现的微一宏观机制的动力学研究　针对ＭＡＳ涌现性控制存在的问题，一种重要　解决方案是在ＭＡＳ中引入成熟的涌现机制．如果　我们对这些微一宏观机制产生的涌现行为有比较全　面的认识，就能对ＭＡＳ的涌现特征进行有效控制．　对ＭＡＳ涌现的微一宏观机制进行动力学研究，　能够帮助我们了解ＭＡＳ的演化规律和发现微一宏　观控制手段．虽然受生物、经济和社会等系统的启　发，人们甄别出了许多有用的涌现机制，但是在对它　些涌现特征进行描述，还有待进一步研究．并且　Ｄｕｎｉｎ—Ｋｅｐｌｉｃｚ等人研究的ＭＡＳ群体思维状态是基　于ＢＤＩ　９＿逻辑的，利用其它逻辑模型，例如Ｂｒａｆｍａｎ　和Ｔｅｎｎｅｎｈｏｌｔｚ的基于信念、偏好和决策策略Ａｇｅｎｔ　逻辑模型ｌｌｇ　，会得到什么结果呢？这也是可以进一　步研究的问题．　（２）ＭＡＳ涌现性的度量　系统度量是认识一个系统的必要活动．ＭＡＳ涌　们进行定量的动力学研究上，还只是个案研究（如博　弈机制＿３　。　），有待进一步全面展开．　（５）ＭＡＳ面向涌现的设计方法和设计模式的　完善　对于一些ＭＡＳ而言，不可避免地存在一些涌　现性的度量是认识、设计和控制ＭＡＳ的涌现性的　关键一环．涌现性是针对系统的宏观特征而言的．要　在宏观层面上度量一个系统，需要引入一些综合指　标，以反映系统的相关特征．在此基础上，也能对两　个系统的行为，或同一系统在不同时间、不同条件下　的行为，进行比较．　用“熵”ｌ＿】　。。。幻来度量ＭＡＳ的一些涌现特征，　现特征．怎样化弊为利，发掘涌现的作用？除了涌现　性控制外，非常重要的一点是在分析时充分考虑　ＭＡＳ的涌现性要求，并在设计时采取相应机制保证　（或避免）一些涌现特征的出现，或设计相应控制手　确实可以得到一些重要结论．但是在原始意义上，　“熵”仅是系统无序度的度量，不能反映所有的涌现　特征．所以，我们必须确定ＭＡＳ中的哪些宏观参数　需要测量，以便度量系统的涌现性以及反映系统的　一段以便运行时控制涌现现象的发生．这就要借助面　向涌现的ＭＡＳ设计．　ＭＡＳ面向涌现的设计方法，目前大多是在传统　方法中加入涌现性设计步骤，并且主要围绕ＭＡＳ　自组织展开Ｌ７　．面向涌现的设计模式也是针对　ＭＡＳ自组织的　。　．这些都难以满足ＭＡＳ的涌现　般本质．在这方面，一个比较有效的途径，是从所　有涉及宏观度量的学科中获得启发和隐喻，例如，热　力学、信息论、复杂网络理论等．　（３）ＭＡＳ涌现性的控制　ＭＡＳ涌现性度量的一个重要目的是对ＭＡＳ　性设计需求，需要进一步的完善和发展．　７　结束语　本文以ＭＡＳ的涌现性为背景，分析归纳了涌　现的概念和特征，指出了它与总成、自组织等概念的　的涌现行为进行控制，即促使建设性涌现特征出现　和抑制破坏性涌现特征产生．在ＭＡＳ研究中，有许　多不同的涌现性控制任务．例如，在自组织ＭＡＳ　中，控制产生自组织涌现特性口。　；在基于Ａｇｅｎｔ的　区别和联系．考察了ＭＡＳ面向涌现的宏观描述，归　维普资讯 http://www.cqvip.com ６期　金士尧等：面向涌现的多Ａｇｅｎｔ系统研究及其进展　８９１　纳出基于逻辑的群体思维涌现性描述和基于统计的　宏观行为涌现性描述．探讨了ＭＡＳ涌现的微宏观　机制，甄别出受生物、经济和社会等系统启发的机　制．简述了面向涌现的ＭＡＳ设计方法和设计模式．　通过研究，我们认识到面向涌现的ＭＡＳ研究取得　了一些阶段性成果，同时存在一些亟待解决的问题，　如涌现性的度量与控制、微宏观机制的动力学等，　在这些方向上有待更进一步的研究．　参　考　文　献　［１］　Ｍｉｃｈａｅｌ　Ｗｏｏｌｄｒｉｄｇｅ．Ａｎ　Ｉｎｔｒｏｄｕｃｔｉｏｎ　ｔｏ　ＭｕｈｉＡｇｅｎｔ　Ｓｙｓ—　ｔｅｒｎｓ．Ｃｈｉｃｈｅｓｔｅｒ：Ｊｏｈｎ　Ｗｉｌｅｙ＆Ｓｏｎｓ，２００２（ｉｎ　Ｃｈｉｎｅｓｅ）　（［英］伍尔德里奇．多Ａｇｅｎｔ系统引论．石纯一，张伟，徐晋晖　等译．北京：电子工业出版社，２（）０３）　［２］　Ｚａｍｂｏｎｅｌｌｉ　Ｆ，Ｏｍｉｃｉｎｉ　Ａ．Ｃｈａｌｌｅｎｇｅｓ　ａｎｄ　ｒｅｓｅａｒｃｈ　ｄｉｒｅｃｔｉｏｎｓ　ｉｎ　Ａｇｅｎｔ　ｏｒｉｅｎｔｅｄ　ｓｏｆｔｗａｒｅ　ｅｎｇｉｎｅｅｒｉｎｇ．Ａｕｔｏｎｏｍｏｕｓ　Ａｇｅｎｔｓ　ａｎｄ　Ｍｕｌｔｉ　Ａｇｅｎｔ　Ｓｙｓｔｅｍｓ，２００４，９（３）：２５３－２８３　［３］　Ｇａｂｂａｉ　Ｊ　Ｍ　Ｅ，Ｙｉｎ　Ｈ，Ｗｒｉｇｈｔ　Ｗ　Ａ，Ａｌｌｉｎｓｏｎ　Ｎ　Ｍ．Ｓｅｌｂｏｒ　ｇａｎｉｚａｔｉｏｎ，ｅｍｅｒｇｅｎｃｅ　ａｎｄ　ｍｕＭ—Ａｇｅｎｔ　ｓｙｓｔｅｍｓ／／Ｐｒｏｃｅｅｄ　ｉｎｇｓ　ｏｆ　ｔｈｅ　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｎｅｕｒａｌ　Ｎｅｔ—　ｗｏｒｋｓ　ａｎｄ　Ｂｒａｉｎ．Ｂｅｉｊｉｎｇ，Ｃｈｉｎａ，２００５：ｎｉ１２４—１８６３　［４］　Ｈｏｌｌａｎｄ　Ｊｏｈｎ　Ｈ．Ｈｉｄｄｅｎ　Ｏｒｄｅｒ：Ｈｏｗ　Ａｄａｐｔａｔｉｏｎ　Ｂｕｉｌｄｓ　Ｃｏｍｐｌｅｘｉｔｙ．Ｒｅｄｗｏｏｄ　Ｃｉｔｙ，Ｃａｌｉｆｏｒｎｉａ：Ａｄｄｉｓｏｎ—Ｗｅｓｌｅｙ　Ｐｕｂｌｉｓｈｉｎｇ　Ｃｏｍｐａｎｙ，１９９５（ｉｎ　Ｃｈｉｎｅｓｅ）　（［美］约翰・Ｈ・霍兰．隐秩序：适应性造就复杂性．周晓牧，　韩晖译．上海：上海科技教育出版社，２０００）　［５］　Ｊｏｃｈｅｎ　Ｆｒｏｍｍ．Ｔｈｅ　Ｅｍｅｒｇｅｎｃｅ　ｏｆ　Ｃｏｍｐｌｅｘｉｔｙ．Ｈｅｓｓｅｎ：　Ｋａｓｓｅｌ　Ｕｎｉｖｅｒｓｉｔｙ　Ｐｒｅｓｓ，２００４　Ｅ６］　Ｄｅ　Ｗｏｌｆ　Ｔ，Ｈｏｌｖｏｅｔ　Ｔ，Ｂｅｒｂｅｒｓ　Ｙ．Ｅｍｅｒｇｅｎｃｅ　ａｓ　ａ　ｐａｒａｄｉｇｍ　ｔｏ　ｅｎｇｉｎｅｅｒ　ｄｉｓｔｒｉｂｕｔｅｄ　ａｕｔｏｎｏｍ　Ｊｉｃ　ｓｏｆｔｗａｒｅ．Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ，Ｋ．Ｕ．Ｌｅｕｖｅｎ，Ｂｅｌｇｉｕｍ：Ｒｅｐｏｒｔ　ＣＷ　３８０，　２００４　［７］　Ａｎｔｈｏｎｙ　Ｒ．Ｅｍｅｒｇｅｎｃｅ：Ａ　ｐａｒａｄｉｇｍ　ｆｏｒ　ｒｏｂｕｓｔ　ａｎｄ　ｓｃａｌａｂｌｅ　ｄｉｓｔｒｉｂｕｔｅｄ　ａｐｐｌｉｃａｔｉｏｎｓ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　１　ｓｔ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ａｕｔｏｎｏｍｉｃ　Ｃｏｍｐｕｔｉｎｇ（ＩＣＡＣ　０４）．Ｎｅｗ　Ｙｏｒｋ，ＵＳＡ，２００４：１３２—１３９　［８］　Ｐａｌｍｅｒ　Ｄ，Ｋｉｒｓｃｈｅｎｂａｕｍ　Ｍ，Ｓｅｉｔｅｒ　Ｌ．Ｅｍｅｒｇｅｎｃｅ—ｏｒｉｅｎｔｅｄ　ｐｒｏｇｒａｍｍｉｎｇ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｓｙｓｔｅｍｓ，Ｍａｎ，ａｎｄ　Ｃｙｂｅｒｎｅｔｉｃｓ．Ｈａｗａｉｉ，２００５：１４４１—　１４４８　［９］　Ｄｅ　Ｗｏｌｆ　Ｔ．　Ａｎａｌｙｓｉｎｇ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ　ｓｅｌｆ＿ｏｒｇａｎｉｚｉｎｇ　ｅｍｅｒ　ｇｅｎｔ　ａｐｐｌｉｃａｔｉｏｎｓ［Ｐｈ．Ｄ．ｄｉｓｓｅｒｔａｔｉｏｎ］．Ｌｅｕｖｅｎ，Ｂｅｌｇｉｕｍ：　Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　２００７　ＥｌＯ］　Ｇｏｌｄｓｔｅｉｎ　Ｊ．Ｅｍｅｒｇｅｎｃｅ　ａｓ　ａ　ｃｏｎｓｔｒｕｃｔ：Ｈｉｓｔｏｒｙ　ａｎｄ　ｉｓｓｕｅｓ．　Ｅｍｅｒｇｅｎｃｅ，１９９９，１（１）：４９—７２　［１１］　Ｄｅ　Ｗｏｌｆ　Ｔ，Ｈｏｌｖｏｅｔ　Ｔ．　Ｅｍｅｒｇｅｎｃｅ　ｖｅｒｓｕｓ　ｓｅｌｆ＿ｏｒｇａｎｉｚａｔｉｏｎ：　Ｄｉｆｆｅｒｅｎｔ　ｃｏｎｃｅｐｔｓ　ｂｕｔ　ｐｒｏｍｉｓｉｎｇ　ｗｈｅｎ　ｃｏｍｂｉｎｅｄ／／Ｂｒｕｅｅｋｎｅｒ　Ｓ，Ｄｉ　Ｍａｒｚｏ　Ｓｅｒｕｇｅｎｄｏ　Ｇ，Ｋａｒａｇｅｏｒｇｏｓ　Ａ，Ｎａｇｐａｌ　Ｒ　ｅｄｓ．　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｓｅｌｆ　Ｏｒｇａｎｉｓｉｎｇ　Ｓｙｓｔｅｍｓ：　Ｍｅｔｈｏｄｏｌｏｇｉｅｓ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎｓ．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ—Ｖｅｒｌａｇ，２００５：１　１　５　［１２］　Ａｂｂｏｔｔ　Ｒｕｓｓ．Ｅｍｅｒｇｅｎｃｅ　ｅｘｐｌａｉｎｅｄ：Ａｂｓｔｒａｃｔｉｏｎｓ：Ｇｅｔｔｉｎｇ　ｅｐｉｐｈｅｎｏｍｅｎａ　ｔｏ　ｄｏ　ｒｅａｌ　ｗｏｒｋ．Ｃｏｍｐｌｅｘｉｔｙ，２００６，１２（１）：　１３—２６　［１３］　Ａｕｙａｎｇ　Ｓ　Ｙ．Ｆｏｕｎｄａｔｉｏｎｓ　ｏｆ　Ｃｏｍｐｌｅｘ　ｓｙｓｔｅｍ　Ｔｈｅｏｒｉｅｓ：Ｉｎ　Ｅｃｏｎｏｍｉｃｓ，Ｅｖｏｌｕｔｉｏｎａｒｙ　Ｂｉｏｌｏｇｙ，ａｎｄ　Ｓｔａｔｉｓｔｉｃａｌ　Ｐｈｙｓｉｃｓ．　Ｏｘｆｏｒｄ：Ｏｘｆｏｒｄ　Ｕｎｉｖｅｒｓｉｔｙ　Ｐｒｅｓｓ，１９９８（ｉｎ　Ｃｈｉｎｅｓｅ）　（［英］欧阳莹之．复杂系统理论基础．上海：上海科技教育出　版社，２００２）　［１４］　Ｕｅｄａ　Ｋ．Ｓｙｎｔｈｅｓｉｓ　ａｎｄ　ｅｍｅｒｇｅｎｃｅ：Ｒｅｓｅａｒｃｈ　ｏｖｅｒｖｉｅｗ．Ａｒｔｉ　ｆｉｃｉａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ　ｉｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，２００１，１５（４）：３２１—３２７　［１５］　Ｐａｕｌ　Ｃｉｌｌｉｅｒｓ．Ｃｏｍｐｌｅｘｉｔｙ　ａｎｄ　Ｐｏｓｔｍｏｄｅｒｎｉｓｍ：Ｕｎｄｅｒｓｔａｎｄ—　ｉｎｇ　Ｃｏｍｐｌｅｘ　Ｓｙｓｔｅｍｓ．Ｌｏｎｄｏｎ：Ｒｏｕｔｌｅｄｇｅ，１９９８（ｉｎ　Ｃｈｉ—　ｎｅｓｅ）　（［南非］保罗・西利亚斯．复杂性和后现代主义．曾国平译．　上海：上海世纪出版集团；上海科技教育出版社，２００６）　［１６］　Ｓｅｒｕｇｅｎｄｏ　Ｇ　Ｄ　Ｍ，Ｇｌｅｉｚｅｓ　Ｍ　Ｐ，Ｋａｒａｇｅｏｒｇｏｓ　Ａ．Ｓｅｌｆ　ｏｒｇａｎ　ｉｓａｔｉｏｎ　ａｎｄ　ｅｍｅｒｇｅｎｃｅ　ｉｎ　ＭＡＳ：Ａｎ　Ｏｖｅｒｖｉｅｗ．Ｉｎｆｏｒｍａｔｉｃａ，　２００６，３０（１）：４５　５４　［１７］　Ｈｅｙｌｉｇｅｎ　Ｆ．　Ｓｅｌｆ＿ｏｒｇａｎｉｚａｔｉｏｎ，ｅｍｅｒｇｅｎｃｅ　ａｎｄ　ｔｈｅ　ａｒｃｈｉｔｅｃ　ｔｕｒｅ　ｏｆ　ｃｏｍｐｌｅｘｉｔｙ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　１ｓｔ　Ｅｕｒｏｐｅａｎ　Ｃｏｎｆｅｒ—　ｅｎｃｅ　ｏｎ　Ｓｙｓｔｅｍ　Ｓｃｉｅｎｃｅ．Ｐａｒｉｓ，１９８９．Ｐａｒｉｓ：ＡＦＣＥＴ，１９９２：　２３　３２　［１８］　Ｍａｍｅｉ　Ｍ，Ｚａｍｂｏｎｅｌｌｉ　Ｆ．Ｓｅｌ￣Ｏｒｇａｎｉｓａｔｉｏｎ　ｉｎ　ｍｕｌｔｉ—Ａｇｅｎｔ　ｓｙｓｔｅｍｓ：Ａ　ｍｉｄｄｌｅｗａｒｅ　ａｐｐｒｏａｃｈ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　Ｉｎｔｅｒ　ｎａｔｉｏｎａｌ　Ｗｏｒｋｓｈｏｐ　ｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｓｅｌｆ－Ｏｒｇａｎｉｚｉｎｇ　Ａｐｐｌｉｃａ　ｔｉｏｎｓ，Ｍｅ！ｂｏｕｒｎｅ，Ａｕｓｔｒａｌｉａ，２００３．Ｂｅｒｌｉｎ＝Ｓｐｒｉｎｇｅｒ　Ｖｅｒ　ｌａｇ，２００４：２３３—２４８　［１９］　Ｍｎｉｆ　Ｍ，Ｍａｉｌｅｒ　Ｓｃｈｌｏｅｒ　Ｃ．Ｑｕａｎｔｉｔａｔｉｖｅ　ｅｍｅｒｇｅｎｃｅ／／Ｐｒｏ—　ｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２００６　ＩＥＥＥ　Ｍｏｕｎｔａｉｎ　Ｗｏｒｋｓｈｏｐ　ｏｎ　Ａｄａｐｔｉｖｅ　ａｎｄ　Ｌｅａｒｎｉｎｇ　Ｓｙｓｔｅｍｓ（ＳＭＣａｌｓ　２００６），Ｕｔａｈ　Ｓｔａｔｅ　Ｕｎｉｖｅｒｓｉ—　ｔｙ，Ｃｏｌｌｅｇｅ　ｏｆ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｌｏｇａｎ，ＵＳＡ，２００６：７８—８４　［２Ｏ］　Ｐａｒｕｎａｋ　Ｈ　Ｖ　Ｄ，Ｂｒｕｅｃｋｎｅｒ　Ｓ．Ｅｎｔｒｏｐｙ　ａｎｄ　ｓｅｌｆ＿ｏｒｇａｎｉｚａｔｉｏｎ　ｉｎ　ｍｕｌｔｉ—Ａｇｅｎｔ　ｓｙｓｔｅｍｓ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　５ｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ａｕｔｏｎｏｍｏｕｓ　Ａｇｅｎｔｓ．Ｍｏｎｔｒｅａｌ，Ｃａｎａｄａ，　２００１：１２４—１３０　［２１］　Ｈａｌｌｅｙ　Ｊ，Ｗｉｎｋｌｅｒ　Ｄ．Ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｏｆ　ｅｍｅｒｇｅｎｃｅ　ａｎｄ　ｉｔｓ　ｒｅｌａ　ｔｉｏｎ　ｔｏ　ｓｅｌ　ｏｒｇａｎｉｚａｔｉｏｎ．Ｃｏｍｐｌｅｘｉｔｙ，２００８，１３（５）：１０　１５　［２２］　Ｕｌｉｅｒｕ　Ｍｉｈａｅｌａ，Ｅｓｔｅ　Ｒｏｂｅｒｔ　Ａ．Ｔｈｅ　ｈｏｌｏｎｉｃ　ｅｎｔｅｒｐｒｉｓｅ　ａｎｄ　ｔｈｅｏｒｙ　ｅｍｅｒｇｅｎｃｅ：Ｏｎ　ｅｍｅｒｇｅｎｔ　ｆｅａｔｕｒｅｓ　ｏｆ　ｓｅｌｆ－ｏｒｇａｎｉｚａｔｉｏｎ　ｉｎ　ｄｉｓｔｒｉｂｕｔｅｄ　ｖｉｒｔｕａｌ　Ａｇｅｎｔｓ．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　Ｃｙｂｅｒｎｅｔ—　ｉｃｓ　ａｎｄ　Ｈｕｍａｎ　Ｋｎｏｗｉｎｇ，２００４，１１（１）：７９—９８　［２３］　Ｄｕｎｉｎ—Ｋｅｐｌｉｃｚ　Ｂａｒｂａｒａ，Ｒｉｎｅｋｅ　Ｖｅｒｂｒｕｇｇｅ．Ｃｏｌｌｅｃｔｉｖｅ　ｉｎｔｅｎ—　ｔｉｏｎｓ．Ｆｕｎｄａｍｅｎｔａ　Ｉｎｆｏｒｍａｔｉｃａｅ，２００２，５１（３）：２７１—２９５　［２４３　Ｂａｒｂａｒａ　Ｄｕｎｉｎ－Ｋｅｐｌｉｃｚ，Ｒｉｎｅｋｅ　Ｖｅｒｂｒｕｇｇｅ．Ｃｏｌｌｅｃｔｉｖｅ　ｃｏｌｎ—　ｍｉｔｍｅｎｔｓ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２ｎｄ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｍｕｌｔｉ　Ａｇｅｎｔ　Ｓｙｓｔｅｍｓ（ＩＣＭＡＳ　９６）．Ｍｅｎｌｏ　Ｐａｒｋ，Ｃａｌｉｆｏｒ—　ｎｉａ，１９９６：５６－６３　［２５］　Ｄｕｎｉｎ－Ｋｅｐｌｉｃｚ　Ｂａｒｂａｒａ，Ｒｉｎｅｋｅ　Ｖｅｒｂｒｕｇｇｅ．Ｃｏｌｌｅｃｔｉｖｅ　ｍｏｔｉ—　ｖａｔｉｏｎａｌ　ａｔｔｉｔｕｄｅｓ　ｉｎ　ｃｏｏｐｅｒａｔｉｖｅ　ｐｒｏｂｌｅｍ　ｓｏｌｖｉｎｇ／／Ｐｒｏｃｅｅｄ　ｉｎｇｓ　ｏｆ　ｔｈｅ　１　ｓｔ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｗｏｒｋｓｈｏｐ　ｏｆ　Ｅａｓｔｅｒｎ　ａｎｄ　Ｃｅｎｔｒａｌ　Ｅｕｒｏｐｅ　ｏｎ　Ｍｕｌｔｉ－Ａｇｅｎｔ　Ｓｙｓｔｅｍｓ（ＣＥＥＭＡＳ　９９）．Ｓｔ．Ｐｅｔｅｒｓ—　ｂｕｒｇ，Ｒｕｓｓｉａ，１９９９：２２—４１　［２６］　Ｄｕｎｉｎ—Ｋｅｐｌｉｃｚ　Ｂａｒｂａｒａ．Ｒｉｎｅｋｅ　Ｖｅｒｂｒｕｇｇｅ．Ｃｒｅａｔｉｎｇ　ｔｏｍ—　ｍｏｎ　ｂｅｌｉｅｆｓ　ｉｎ　ｒｅｓｃｕｅ　ｓｉｔｕａｔｉｏｎｓ／／Ｄｕｎｉｎ－Ｋｅｐｌｉｃｚ　Ｂ，Ｊａｎｋｏｗｓｋｉ　维普资讯 http://www.cqvip.com

８９２　计　算　机　学　报　２００８正　Ａ，Ｓｋｏｗｒｏｎ　Ａ，Ｓｚｃｚｕｋａ　Ｍ　ｅｄｓ．Ｍｏｎｉｔｏｒｉｎｇ，Ｓｅｃｕｒｉｔｙ　ａｎｄ　ｉｏｒｓ／／Ｐｒ０ｃｅｅｄ抽ｇｓ　ｏｆ　ｔｈｅ　４ｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｉｎｔ　Ｃｏｎｆｅｒｅｎｃｅ　Ｒｅｓｃｕｅ　Ｔｅｃｈｎｉｑｕｅｓ　ｉｎ　Ｍｕｌｔｉａｇｅｎｔ　Ｓｙｓｔｅｍｓ，Ｓｅｒｉｅｓ　Ａｄｖａｎｃｅｓ　ｏｎ　Ａｕｔｏｎｏｍｏｕｓ　Ａｇｅｎｔｓ　ａｎｄ　Ｍｕｌｔｉ－Ａｇｅｎｔ　Ｓｙｓｔｅｍｓ　ｉｎ　Ｓｏｆｔ　Ｃｏｍｐｕｔｉｎｇ．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ　Ｖｅｒｌａｇ，２００５　６９—８４　（ＡＡＭＡＳ０５）．Ｕｔｒｅｃｈｔ，Ｎｅｔｈｅｒｌａｎｄｓ，２００５：３０５—３１２　［２７］　Ｄｕｎｉｎ－Ｋｅｐｌｉｃｚ　Ｂａｒｂａｒａ，Ｒｉｎｅｋｅ　Ｖｅｒｂｒｕｇｇｅ．Ａ　ｔｕｎｉｎｇ　ｍａ—　［４１］　Ｃａｍｐｏｎｏｇａｒａ　Ｅｄｕａｒｄｏ．Ｏｎ　ｔｈｅ　ｃｏｎｖｅｒｇｅｎｃｅ　ｔｏ　ａｎｄ　ｌｏｃａｔｉｏｎ　ｏｆ　ｃｈｉｎｅ　ｆｏｒ　ｃｏｏｐｅｒａｔｉｖｅ　ｐｒｏｂｌｅｍ　ｓｏｌｖｉｎｇ．Ｆｕｎｄａｍｅｎｔａ　ｌｎｆｏｒｍａｔ—　ａｔｔｒａｃｔｏｒｓ　ｏｆ　ｕｎｃｅｒｔａｉｎ，ｄｙｎａｍｉｃ　ｇａｍｅｓ／／Ｂａｚｚａｎ　Ａ　Ｌ　Ｃ，　ｉｃａｅ。２００４，６３（２—３）：２８３—３０７　Ｌａｂｉｄｉ　Ｓ　ｅｄｓ．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　Ａｄｖａｎｃｅｓ　ｉｎ　Ａｒｔｉｆｉｃｉａｌ　Ｉｎｔｅｌｌｉ—　［２８２　Ｄｕｎｉｎ－Ｋｅｐｌｉｃｚ　Ｂａｒｂａｒａ，Ｒｉｎｅｋｅ　Ｖｅｒｂｒｕｇｇｅ．Ｃａｌｉｂｒａｔｉｎｇ　ｃｏｌ—　ｇｅｎｃｅ－－ＳＢＩＡ　２００４．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ－Ｖｅｒｌａｇ，２００４：４８４—４９３　ｌｅｃｔｉｖｅ　ｃｏｍｍｉｔｍｅｎｔｓ／／Ｍａｒｉｋ　Ｖ，Ｍｕｌｌｅｒ　Ｊ，Ｐｅｃｈｏｕｃｅｋ　Ｍ　ｅｄｓ．　［４２２　Ｐｒｏｋｏｐｅｎｋｏ　Ｍｉｋｈａｉｌ，Ｐｉｒａｖｅｅｎａｎ　Ｍａｈｅｎｄｒａ　Ｒａｊａｈ，Ｗａｎｇ　Ｐｅ—　Ｍｕｌｔｉ—Ａｇｅｎｔ　Ｓｙｓｔｅｍｓ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎｓ　ＩＩＩ．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ－　ｔｅｒ．Ｏｎ　ｃｏｎｖｅｒｇｅｎｃｅ　ｏｆ　ｄｙｎａｍｉｃ　ｃｌｕｓｔｅｒ　ｆｏｒｍａｔｉｏｎ　ｉｎ　ｍｕｌｔｉ—　Ｖｅｒｌａｇ，２００３：７３　８３　Ａｇｅｎｔ　ｎｅｔｗｏｒｋｓ／／Ｃａｐｃａｒｒ　ｅｒｅ　Ｍ　Ｓ，Ｆｒｅｉｔａｓ　Ａ　Ａ，Ｂｅｎｔｌｅｙ　Ｐ　［２９］　Ｍｉｃｈａｅｌ　Ｗｏｏｌｄｒｉｄｇｅ，Ｊｅｎｎｉｎｇｓ　Ｎｉｃｈｏｌａｓ　Ｒ．Ｔｏｗａｒｄｓ　ａ　ｔｈｅｏｒｙ　Ｊ，Ｊｏｈｎｓｏｎ　Ｃ　Ｇ，Ｔｉｍｍｉｓ　Ｊ　ｅｄｓ．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　Ａｄｖａｎｃｅｓ　ｉｎ　ｏｆ　ｃｏｏｐｅｒａｔｉｖｅ　ｐｒｏｂｌｅｍ　ｓｏｌｖｉｎｇ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　６ｔｈ　Ｅｕｒｏ—　Ａｒｔｉｆｉｃｉａｌ　Ｌｉｆｅ，８ｔｈ　Ｅｕｒｏｐｅａｎ　Ｃｏｎｆｅｒｅｎｃｅ　ｉｎ　Ａｒｔｉｆｉｃｉａｌ　Ｌｉｆｅ．　ｐｅａｎ　Ｗｏｒｋｓｈｏｐ　ｏｎ　Ｍｏｄｅｌｌｉｎｇ　Ａｕｔｏｎｏｍｏｕｓ　Ａｇｅｎｔｓ：Ｄｉｓｔｒｉｂｕ—　Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ－Ｖｅｒｌａｇ，２００５：８８４—８９４　ｔｅｄ　Ｓｏｆｔｗａｒｅ　Ａｇｅｎｔｓ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎｓ．Ｏｄｅｎｓｅ，Ｄｅｎｍａｒｋ，　［４３２　Ｂｒｕｅｃｋｎｅｒ　Ｓｖｅｎ　Ａ，Ｐａｒｕｎａｋ　Ｈ　Ｖａｎ　Ｄｙｋｅ．Ｉｎｆｏｒｍａｔｉｏｎ－ｄｒｉｖ—　ｌ９９４．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ　Ｖｅｒｌａｇ，１９９６：ｌ５—２６　ｅｎ　ｐｈａｓｅ　ｃｈａｎｇｅｓ　ｉｎ　ｍｕｌｔｉ—Ａｇｅｎｔ　ｃｏｏｒｄｉｎａｔｉｏｎ／／Ｐｒｏｃｅｅｄｉｎｇｓ　［３Ｏ］　Ｐａｏｌｏ　Ｔｏｒｒｏｎｉ．Ｃｏｍｐｕｔａｔｉｏｎａｌ　ｌｏｇｉｃ　ｉｎ　ｍｕｌｔｉ－Ａｇｅｎｔ　ｓｙｓｔｅｍｓ：　ｏｆ　Ａｕｔｏｎｏｍｏｕｓ　Ａｇｅｎｔｓ　ａｎｄ　Ｍｕｌｔｉ—Ａｇｅｎｔ　Ｓｙｓｔｅｍｓ（ＡＡＭＡＳ．　Ｒｅｃｅｎｔ　ａｄｖａｎｅｅｓ　ａｎｄ　ｆｕｔｕｒｅ　ｄｉｒｅｃｔｉｏｎｓ．Ａｎｎａｌｓ　ｏｆ　Ｍａｔｈｅｍａｔ—　２００３）．Ｍｅｌｂｏｕｒｎｅ，Ａｕｓｔｒａｌｉａ，２００３：９５Ｏ一９５１　ｉｃｓ　ａｎｄ　Ａｒｔｉｆｉｃｉａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ，２００４，４２（１　３）：２９３　３０５　［４４２　Ｆｏｒｅｍａｎ　Ｍａｒｋ，Ｐｒｏｋｏｐｅｎｋｏ　Ｍｉｋｈａｉｌ，Ｗａｎｇ　Ｐｅｔｅｒ．Ｐｈａｓｅ　［３１］　Ｔｕｃｈｅｒ　Ｂａｌｃｈ．Ｈｉｅｒａｒｃｈｉｃ　ｓｏｃｉａｌ　ｅｎｔｒｏｐｙ：Ａｎ　ｉｎｆｏｒｍａｔｉｏｎ　ｔｒａｎｓｉｔｉｏｎｓ　ｉｎ　ｓｅｌｆ－ｏｒｇａｎｉｓｉｎｇ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ／／Ｂａｎｚｈａｆ　Ｗ，　ｔｈｅｏｒｅｔｉｃ　ｍｅａｓｕｒｅ　ｏｆ　ｒｏｂｏｔ　ｇｒｏｕｐ　ｄｉｖｅｒｓｉｔｙ．Ａｕｔｏｎｏｍｏｕｓ　Ｒｏ—　Ｃｈｒｉｓｔａｌｌｅｒ　Ｔ，Ｄｉｔｔｒｉｃｈ　Ｐ，Ｋｉｍ　Ｊ　Ｔ，Ｚｉｅｇｌｅｒ　Ｊ　ｅｄｓ．Ｐｒｏｃｅｅｄ—　ｂｏｔｓ，２０００，８（３）：２０９　２３８　ｉｎｇｓ　ｏｆ　Ａｄｖａｎｃｅｓ　ｉｎ　Ａｒｔｉｆｉｃｉａｌ　Ｌｉｆｅ，ｔｈｅ　７ｔｈ　Ｅｕｒｏｐｅａｎ　Ｃｏｎｆｅｒ　［３２］　Ｐｒｏｋｏｐｅｎｋｏ　Ｍｉｋｈａｉｌ，Ｗａｎｇ　Ｐｅｔｅｒ．Ｅｖａｌｕａｔｉｎｇ　Ｔｅａｍ　Ｐｅｒ—　ｅｎｃｅ　ｏｎ　Ａｒｔｉｆｉｃｉａｌ　Ｌｉｆｅ．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ－Ｖｅｒｌａｇ，２００３：７８１—　ｆｏｒｍａｎｃｅ　ａｔ　ｔｈｅ　Ｅｄｇｅ　ｏｆ　Ｃｈａｏｓ．Ｄ．Ｐｏｌａｎｉ　ｅｔ　ａ１．（ｅｄｓ．）．Ｒｏｂ—　７９ｌ　ｏＣｕｐ　２００３：Ｒｏｂｏｔ　Ｓｏｃｃｅｒ　Ｗｏｒｌｄ　Ｃｕｐ　ＶＩＩ．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ－　［４５３　Ｐａｒｕｎａｋ　Ｈ　Ｖａｎ　Ｄｙｋｅ，Ｂｒｕｅｃｋｎｅｒ　Ｓｖｅｎ，Ｓａｖｉｔ　Ｒｏｂｅｒｔ．Ｕｎｉ—　Ｖｅｒｌａｇ，２００４：８９－ｌ０１　ｖｅｒｓａｌｉｔｙ　ｉｎ　ｍｕｌｔｉ　Ａｇｅｎｔ　ｓｙｓｔｅｍｓ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　３ｒｄ　Ｉｎ—　［３３］　Ｌｅｒｍａｎ　Ｋｒｉｓｔｉｎａ，Ｇａｌｓｔｙａｎ　Ａｒａｍ．Ａ　ｇｅｎｅｒａｌ　ｍｅｔｈｏｄｏｌｏｇｙ　ｔｅｒｎａｔｉｏｎａｌ　Ｊｏｉｎｔ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ａｕｔｏｎｏｍｏｕｓ　Ａｇｅｎｔｓ　ａｎｄ　ｆｏｒ　ｍａｔｈｅｍａｔｉｃａｌ　ａｎａｌｙｓｉｓ　ｏｆ　ｍｕｌｔｉ－Ａｇｅｎｔ　ｓｙｓｔｅｍｓ．Ｉｎｆｏｒｍａ—　Ｍｕｌｔｉａｇｅｎｔ　Ｓｙｓｔｅｍｓ（ＡＡＭＡＳ　０４）．Ｎｅｗ　Ｙｏｒｋ，ＵＳＡ，２００４：　ｔｉｏｎ　Ｓｃｉｅｎｃｅ　Ｉｎｓｔｉｔｕｔｅ，Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｏｕｔｈｅｒｎ　Ｃａｌｉｆｏｒｎｉａ：　９３０—９３７　Ｔｅｃｈｎｏｌｏｇｙ　Ｒｅｐｏｒｔ　５２９，２００１　［４６］　Ｈｏｌｌａｎｄ　Ｊｏｈｎ　Ｈ．Ｅｍｅｒｇｅｎｃｅ：Ｆｒｏｍ　Ｃｈａｏｓ　ｔｏ　Ｏｒｄｅｒ．Ｒｅｄ—　［３４］　Ｓｍｏｌｋａ　Ｍ，Ｕｈｒｕｓｋｉ　Ｐ，Ｓｃｈａｅｆｅｒ　Ｒ，Ｇｒｏｃｈｏｗｓｋｉ　Ｍ．Ｔｈｅ　ｄｙ—　ｗｏｏｄ　Ｃｉｔｙ，Ｃａｌｉｆｏｒｎｉａ：Ａｄｄｉｓｏｎ－Ｗｅｓｌｅｙ，１９９８（ｉｎ　Ｃｈｉｎｅｓｅ）　ｎａｍｉｃｓ　ｏｆ　ｃｏｍｐｕｔｉｎｇ　Ａｇｅｎｔ　ｓｙｓｔｅｍｓ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　Ｗｏｒｋｓｈｏｐ　ｏｎ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ａｇｅｎｔｓ　ｉｎ　Ｃｏｍｐｕｔｉｎｇ　Ｓｙｓｔｅｍｓ．Ａｔ—　（［美］约翰・霍兰．涌现：从混沌到有序．陈禹等译．上海：上　海世纪出版集团；上海科技教育出版社，２００６）　ｌａｎｔａ，２００５：７２７－７３４　［３５］　Ｊｏｈｎｓｏｎ　Ｎｅｉ１　Ｆ，Ｃｈｏｅ　Ｓｅｈｙｏ　Ｃ，Ｇｏｕｒｌｅｙ　Ｓｅａｎ，Ｊａｒｒｅｔｔ　Ｔｉｍｏ—　［４７２　Ｍａｎｏ　Ｊｅａｎ－Ｐｉｅｒｒｅ，Ｂｏｕｒｊｏｔ　Ｃｈｒｉｓｔｉｎｅ，Ｌｏｐａｒｄｏ　Ｇａｂｒｉｅｌ，Ｇｌｉｚｅ　ｔｈｙ，Ｈｕｉ　Ｐａｋ　Ｍｉｎｇ．Ｔｈｅｏｒｙ　ｏｆ　ｃｏｌｌｅｃｔｉｖｅ　ｄｙｎａｍｉｃｓ　ｉｎ　ｍｕｌｔｉ　Ｐｉｅｒｒｅ．Ｂｉｏ～ｉｎｓｐｉｒｅｄ　ｍｅｃｈａｎｉｓｍｓ　ｆｏｒ　ａｒｔｉｆｉｃｉａｌ　ｓｅｌｆ－ｏｒｇａｎｉｚｅｄ　Ａｇｅｎｔ　ｃｏｍｐｌｅｘ　ｓｙｓｔｅｍｓ／／Ｋｒａｍｅｒ　Ｂ　ｅｄｓ．Ａｄｖａｎｃｅｓ　ｉｎ　Ｓｏｌｉｄ　ｓｙｓｔｅｍｓ．Ｉｎｆｏｒｍａｔｉｃａ，２００６，３０（１）：５５　６２　Ｓｔａｔｅ　Ｐｈｙｓｉｃｓ．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ—Ｖｅｒｌａｇ，２００４，４４：４２７—４３８　［４８２　Ｓａｌｉｍａ　Ｈａｓｓａｓ，Ｇｉｏｖａｎｎａ　Ｄｉ　Ｍａｒｚｏ—Ｓｅｒｕｇｅｎｄｏ，Ａｎｔｈｏｎｙ　［３６］　Ｆａｌｃｏｎｅ　Ｒｉｎｏ，Ｃａｓｔｅｌｆｒａｎｃｈｉ　Ｃｒｉｓｔｉａｎｏ．Ｔｈｅ　ｓｏｃｉｏ－ｃｏｇｎｉｔｉｖｅ　Ｋａｒａｇｅｏｒｇｏｓ，Ｃｒｉｓｔｉａｎｏ　Ｃａｓｔｅｌｆｒａｎｃｈｉ．Ｏｎ　ｓｅｌｆ－ｏｒｇａｎｉｓｉｎｇ　ｄｙｎａｍｉｃｓ　ｏｆ　ｔｒｕｓｔ：Ｄｏｅｓ　ｔｒｕｓｔ　ｃｒｅａｔｅ　ｔｒｕｓｔ？／／Ｆａｌｃｏｎｅ　Ｒ，　ｍｅｃｈａｎｉｓｍｓ　ｆｒｏｍ　ｓｏｃｉａｌ，ｂｕｓｉｎｅｓｓ　ａｎｄ　ｅｃｏｎｏｍｉｃ　ｄｏｍａｉｎｓ．Ｉｎ—　Ｓｉｎｇｈ　Ｍ，Ｔａｎ　Ｙ—Ｈ　ｅｄｓ．Ｔｒｕｓｔ　ｉｎ　Ｃｙｂｅｒ－ｓｏｃｉｅｔｉｅｓ．　Ｂｅｒｌｉｎ：　ｆｏｒｍａｔｉｃａ，２００６，３０（１）：６３—７１　Ｓｐｒｉｎｇｅｒ－Ｖｅｒｌａｇ，２００１：５５－７２　［４９］　Ｌｅｗｉｓ　Ｔｈｏｍａｓ．Ｔｈｅ　Ｌｉｖｅｓ　ｏｆ　ａ　Ｃｅｌｌ：Ｎｏｔｅｓ　ｏｆ　ａ　Ｂｉｏｌｏｇｙ　［３７］　Ｌｉｕ　Ｈｏｎｇｂｏ，Ａｂｒａｈａｍ　Ａｊｉｔｈ，Ｃｌｅｒｃ　Ｍａｕｒｉｃｅ．Ｃｈａｏｔｉｃ　ｄｙ—　Ｗａｔｃｈｅｒ．Ｎｅｗ　Ｙｏｒｋ：Ｖｉｋｉｎｇ　Ｐｅｎｇｕｉｎ　ＵＳＡ，１９７４（ｉｎ　Ｃｈｉ—　ｎａｍｉｃ　ｃｈａｒａｃｔｅ　ｒｉｓｔｉｃｓ　ｉｎ　ｓｗａｒｍ　ｉｎｔｅｌｌｉｇｅｎｃｅ．Ａｐｐｌｉｅｄ　Ｓｏｆｔ　ｎｅｓｅ）　Ｃｏｍｐｕｔｉｎｇ，２００７，７（３）：ｌＯｌ９－１０２６　（［美］刘易斯・托马斯．细胞生命的礼赞．李绍明译．长沙：　［３８］　Ｌａｃｋｏ　Ｐｅｔｅｒ，Ｋｖａｓｎｉｃｋａ　Ｖｌａｄｉｍｉｒ，Ｐｏｓｐｉｃｈａｌ　Ｊｉｒｉ．Ａｎ　ｅｍｅｒ—　湖南科学技术出版社，１９９６）　ｇｅｎｃｅ　ｏｆ　ｇａｍｅ　ｓｔｒａｔｅｇｙ　ｉｎ　ｍｕｌｔｉａｇｅｎｔ　ｓｙｓｔｅｍｓ．Ｉｎｔｅｒｎａｔｉｏｎａｌ　［５０３　Ｂｒｕｅｃｋｎｅｒ　Ｓｖｅｎ　Ａ，Ｐａｒｕｎａｋ　Ｈ　Ｖａｎ　Ｄｙｋｅ．　Ｓｅｌ　ｏｒｇａｎｉｚｉｎｇ　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｐｕｔａｔｉｏｎａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎｓ，　ＭＡＮＥＴ　ｍａｎａｇｅｍｅｎｔ／／Ｓｅｒｕｇｅｎｄｏ，Ｋａｒａｇｅｏｒｇｏｓ，Ｒａｎａ，　２００４，４（３）：２８３—２９８　Ｚａｍｂｏｎｅｌｌｉ　ｅｄｓ．Ｅｎｇｉｎｅｅｒｉｎｇ　Ｓｅｌｆ－Ｏｒｇａｎｉｚｉｎｇ　Ａｐｐｌｉｃａｔｉｏｎｓ．　［３９］　Ｔｕｙｌｓ　Ｋａｒｌ。Ｊａｎ　Ｔ　Ｈｏｅｎ　Ｐｉｅｔｅｒ　Ｖａｎｓｃｈｏｅｎｗｉｎｋｅｌ　Ｂｒａｉｎ．Ａｎ　Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ－Ｖｅｒｌａｇ，２００４：２０—３５　ｅｖｏｌｕｔｉｏｎａｒｙ　ｄｙｎａｍｉｃａｌ　ａｎａｌｙｓｉｓ　ｏｆ　ｍｕｌｔｉ—Ａｇｅｎｔ　ｌｅａｒｎｉｎｇ　ｉｎ　ｉｔ—　［５１］　Ｋａｒｕｎａ　Ｈ，Ｖａｌｃｋｅｎａｅｒｓ　Ｐ，Ｓａｉｎｔ－Ｇｅｒｍａｉｎ　Ｂ，Ｖｅｒｓｔｒａｅｔｅ　Ｐ，　ｅｒａｔｅｄ　ｇａｍｅｓ．Ａｕｔｏｎｏｍｏｕｓ　Ａｇｅｎｔｓ　ａｎｄ　Ｍｕｌｔｉ　Ａｇｅｎｔ　Ｓｙｓ　Ｚａｍｆｉｒｅｓｃｕ　Ｃ　Ｂ，Ｖａｎ　Ｂｒｕｓｓｅｌｓ　Ｈ．Ｅｍｅｒｇｅｎｔ　ｆｏｒｅｃａｓｔｉｎｇ　ｔｅｒｎｓ，２００６，ｌ２（１）：ｌｌ５一ｌ５３　ｕｓｉｎｇ　ａ　ｓｔｉｇｍｅｒｇｙ　ａｐｐｒｏａｃｈ　ｉｎ　ｍａｎｕｆａｃｔｕｒｉｎｇ　ｃｏｏｒｄｉｎａｔｉｏｎ　ａｎｄ　［４ｏ］　Ｐａｒｕｎａｋ　Ｈ　Ｖａｎ　Ｄｙｋｅ，Ｂｒｕｅｃｋｎｅｒ　Ｓｖｅｎ　Ａ，Ｓａｕｔｅｒ　Ｊｏｈｎ　Ａ，　ｃｏｎｔｒｏｌ／／Ｂｒｕｅｃｋｎｅｒ　Ｓ　ｅｔ　ａ１．ｅｄｓ．Ｅｎｇｉｎｅｅｒｉｎｇ　Ｓｅｌｆ＿Ｏｒｇａｎｉｓｉｎｇ　Ｍａｔｔｈｅｗｓ　Ｒｏｂｅｒｔ．Ｇｌｏｂａｌ　ｃｏｎｖｅｒｇｅｎｃｅ　ｏｆ　ｌｏｃａｌ　Ａｇｅｎｔ　ｂｅｈａｖ－　Ｓｙｓｔｅｍｓ．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ－Ｖｅｒｌａｇ，２００５：２１０—２２６　维普资讯 http://www.cqvip.com ６期　金士尧等：面向涌现的多Ａｇｅｎｔ系统研究及其进展　８９３　［５２］　Ｌｕｃａ　Ｔｕｍｍｏｌｉｎｉ，Ｃｒｉｓｔｉａｎｏ　Ｃａｓｔｅｌｆｒａｎｃｈｉ．Ｔｒａｃｅ　ｓｉｇｎａｌｓ：　［６４］Ｋｒａｕｓ　Ｓ．Ｎｅｇｏｔｉａｔｉｏｎ　ａｎｄ　ｃｏｏｐｅｒａｔｉｏｎ　ｉｎ　ｍｕｌｔｉ－Ａｇｅｎｔ　ｅｎｖｉ—　Ｔｈｅ　ｍｅａｎｉｎｇｓ　ｏｆ　ｓｔｉｇｍｅｒｇｙ／／Ｗｅｙｎｓ　Ｄ，Ｐａｒｕｎａｋ　Ｈ　Ｖ　Ｄ，Ｍｉ　ｒｏｎｍｅｎｔｓ．Ａｒｔｉｆｉｃｉａｌ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｊｏｕｒｎａｌ，Ｓｐｅｃｉａｌ　Ｉｓｓｕｅ　ｏｎ　ｃｈｅｌ　Ｆ　ｅｄｓ．Ｅｎｖｉｒｏｎｍｅｎｔｓ　ｆｏｒ　Ｍｕｌｔｉ　Ａｇｅｎｔ　Ｓｙｓｔｅｍｓ　ＩＩＩ．Ｂｅｒ—　Ｅｃｏｎｏｍｉｃ　Ｐｒｉｎｃｉｐｌｅｓ　ｏｆ　Ｍｕｌｔｉ－Ａｇｅｎｔ　Ｓｙｓｔｅｍ，１９９７，９４（Ｉ－２）：　ｌｉｎ：Ｓｐｒｉｎｇｅｒ—Ｖｅｒｌａｇ，２００７：１４１—１５６　７９—９８　［５３］　Ｐｅｅｔｅｒｓ　Ｐ，Ｂｒｕｓｓｅｌ　Ｈ　Ｖ，Ｖａｌｃｋｅｎａｅｒｓ　Ｐ，Ｗｙｎｓ　Ｊ，Ｂｏｎｇａｅｒｔｓ　［６　５］Ｓａｎｄｈｏｌｍ　Ｔ．Ｄｉｓｔｒｉｂｕｔｅｄ　ｒａｔｉｏｎａｌ　ｄｅｃｉｓｉｏｎ　ｍａｋｉｎｇ／／Ｗｅｉｓｓ　Ｇ　Ｌ，Ｋｏｌｌｉｎｇｂａｕｍ　Ｍ，Ｈｅｉｋｋｉｌａ　Ｔ．Ｐｈｅｒｏｍｏｎｅ　ｂａｓｅｄ　ｅｍｅｒｇｅｎｔ　ｅｄ．Ｍｕｌｔｉａｇｅｎｔ　Ｓｙｓｔｅｍｓ：Ａ　Ｍｏｄｅｒｎ　Ａｐｐｒｏａｃｈ　ｔｏ　Ｄｉｓｔｒｉｂｕｔｅｄ　ｓｈｏｐ　ｆｌｏｏｒ　ｃｏｎｔｒｏｌ　ｓｙｓｔｅｍ　ｆｏｒ　ｆｌｅｘｉｂｌｅ　ｆｌｏｗ　ｓｈｏｐｓ．Ａｒｔｉｆｉｃｉａｌ　Ａｒｔｉｆｉｃｉａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ．Ｃａｍｂｒｉｄｇｅ，ＭＡ：Ｔｈｅ　ＭＩＴ　Ｐｒｅｓｓ，　Ｉｎｔｅｌｌｉｇｅｎｃｅ　ｉｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，２００１，１５（４）：３４３—３５２　１９９９：２０１－２５８　Ｅｓ４］　Ｐａｒｕｎａｋ　Ｈ　Ｖａｎ　Ｄｙｋｅ，Ｂｒｕｅｃｋｎｅｒ　Ｓｖｅｎ，Ｓａｕｔｅｒ　Ｊｏｈｎ．Ｓｙｎ　［６６］Ｌｉ　ｗａｎ，Ｔｉａｎ　Ｓｈｅｎｇ－Ｆｅｎｇ，Ｈｕａｎｇ　Ｈｏｕ—Ｋｕａｎ．Ｅｖｏｌｕｔｉｏｎａｒｙ　ｔｈｅｔｉｃ　ｐｈｅｒｏｍｏｎｅ　ｍｅｃｈａｎｉｓｍｓ　ｆｏｒ　ｃｏｏｒｄｉｎａｔｉｏｎ　ｏｆ　ｕｎｍａｎｎｅｄ　ｇａｍｅｓ　ｔｈｅｏｒｙ　ａｎｄ　Ａｇｅｎｔ　ｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇ　ｄｙｎａｍｉｃｓ．Ｊｏｕｒｎａｌ　ｏｆ　ｖｅｈｉｃｌｅｓ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　１　ｓｔ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｉｎｔ　Ｃｏｎｆｅｒ—　Ｃｏｍｐｕｔｅｒ　Ｒｅｓｅａｒｃｈ　ａｎｄ　Ｄｅｖｅｌｏｐｍｅｎｔ，２００６，４３（Ｓｕｐｐｌｅ—　ｅｎｃｅ　ｏｎ　Ａｕｔｏｎｏｍｏｕｓ　Ａｇｅｎｔｓ　ａｎｄ　Ｍｕｌｔｉａｇｅｎｔ　Ｓｙｓｔｅｍｓ．Ｂｏｌｏ—　ｍｅｎｔ）：４６—５０（ｉｎ　Ｃｈｉｎｅｓｅ）　ｇｎａ，Ｉｔａｌｙ，２００２：４４８—４５０　（李万，田盛丰，黄厚宽．进化博弈论及Ａｇｅｎｔ自组织动力学．　Ｅｓｓ］　Ａｎｄｏ　Ｙａｓｕｓｈｉ，　Ｆｕｋａｚａｗａ　Ｙｏｓｈｉａｋｉ，　Ｍａｓｕｔａｎｉ　Ｏｓａｍｕ，　计算机研究与发展，２００６，４３（增刊）：４６—５０）　１ｗａｓａｋｉ　Ｈｉｒｏｔｏｓｈｉ，Ｈｏｎｉｄｅｎ　Ｓｈｉｎｉｃｈｉ．Ｐｅｒｆｏｒｍａｎｃｅ　ｏｆ　ｐｈｅｒｏ　［６　７］　Ｃｈｒｉｓ　Ｐｒｅｉｓｔ，Ｃｌａｕｄｉｏ　Ｂａｒｔｏｌｉｎｉ，Ａｎｄｒｅｗ　Ｂｙｄｅ．Ａｇｅｎｔ　ｂａｓｅｄ　ｍｏｎｅ　ｍｏｄｅｌ　ｆｏｒ　ｐｒｅｄｉｃｔｉｎｇ　ｔｒａｆｆｉｃ　ｃｏｎｇｅｓｔｉｏｎ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｓｅｒｖｉｃｅ　ｃｏｍｐｏｓｉｔｉｏｎ　ｔｈｒｏｕｇｈ　ｓｉｍｕｌｔａｎｅｏｕｓ　ｎｅｇｏｔｉａｔｉｏｎ　ｉｎ　ｆｏｒ—　ｔｈｅ　５ｔｈ　Ｉｎｔｅｒｎｈｔｉｏｎａｌ　Ｊｏｉｎｔ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ａｕｔｏｎｏｍｏｕｓ　ｗａｒｄ　ａｎｄ　ｒｅｖｅｒｓｅ　ａｕｃｔｉｏｎｓ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　４ｔｈ　ＡＣＭ　Ａｇｅｎｔｓ　ａｎｄ　Ｍｕｌｔｉａｇｅｎｔ　Ｓｙｓｔｅｍｓ．Ｈａｋｏｄａｔｅ，Ｊａｐａｎ，２００６：　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｅｌｅｃｔｒｏｎｉｃ　Ｃｏｍｍｅｒｃｅ（ＥＣ一２００３）．Ｓａｎ　Ｄｉｅｇｏ，　７３—８Ｏ　Ｃａｌｉｆｏｒｎｉａ，ＵＳＡ，２００３：５５－６３　［５６］　Ｍｏｒｉｈｉｒｏ　Ｋ，Ｉｓｏｋａｗａ　Ｔ，Ｎｉｓｈｉｍｕｒａ　Ｈ，Ｍａｔｓｕｉ　Ｎ．Ｅｍｅｒ—　［６８］ｗｕ　Ｄ　Ｊ，Ｓｕｎ　Ｙａｎ－Ｊｕｎ．Ｔｈｅ　ｅｍｅｒｇｅｎｃｅ　ｏｆ　ｔｒｕｓｔ　ｉｎ　ｍｕｌｔｉ－　ｇｅｎｃｅ　ｏｆ　ｆｌｏｃｋｉｎｇ　ｂｅｈａｖｉｏｒ　ｂａｓｅｄ　ｏｎ　ｒｅｉｎｆｏｒｃｅｍｅｎｔ　ｌｅａｒｎｉｎｇ／／　Ａｇｅｎｔ　ｂｉｄｄｉｎｇ：　Ａ　ｃｏｍｐｕｔａｔｉｏｎａｌ　ａｐｐｒｏａｃｈ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　１０ｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｋｎｏｗｌ—　ｔｈｅ　３４ｔｈ　Ｈａｗａｉｉ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｓｙｓｔｅｍ　Ｓｃｉｅｎｃｅｓ　ｅｄｇｅ—Ｂａｓｅｄ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｓｙｓｔｅｍｓ．　Ｈａｗａｉｉ，２００１．Ｗａｓｈｉｎｇｔｏｎ：ＩＥＥＥ　Ｃｏｍｐｕｔｅｒ　Ｓｏｃｉｅｔｙ　Ｐｒｅｓｓ，　Ｂｏｕｒｎｅｍｏｕｔｈ，Ｅｎｇｌａｎｄ，２００６：６９９－７０６　２００１：１０４１—１０４８　［５７］　Ｍａｚｕｒｏｗｓｋｉ　Ｍａｃｉｅｊ　Ａ，Ｚｕｒａｄａ　Ｊａｃｅｋ　Ｍ．Ｅｍｅｒｇｅｎｃｅ　ｏｆ　ｃｏｍ—　［６９］Ｆａｔｉｍａ　Ｓｈａｈｅｅｎ　Ｓ，Ｍｉｃｈａｅｌ　Ｗｏｏｌｄｒｉｄｇｅ，Ｊｅｎｎｉｎｇｓ　Ｎｉｃｈｏｌａｓ　ｍｕｎｉｃａｔｉｏｎ　ｉｎ　ｍｕｌｔｉ－Ａｇｅｎｔ　ｓｙｓｔｅｍｓ　ｕｓｉｎｇ　ｒｅｉｎｆｏｒｃｅｍｅｎｔ　ｌｅａｒｎ—　Ｒ．Ａｎ　ａｎａｌｙｓｉｓ　ｏｆ　ｓｅｑｕｅｎｔｉａｌ　ａｕｃｔｉｏｎｓ　ｆｏｒ　ｃｏｍｍｏｎ　ａｎｄ　ｐｒｉｖａｔｅ　ｉｎｇ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２００６　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｖａｌｕｅ　ｏｂｊｅｃｔｓ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　７ｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　ｗｏｒｋ—　ｏｎ　Ｃｏｍｐｕｔａｔｉｏｎａｌ　Ｃｙｂｅｒｎｅｔｉｃｓ．Ｔａｌｉｎｎ，Ｅｓｔｏｎｉａ，２００６：１－６　ｓｈｏｐ　ｏｎ　Ａｇｅｎｔ—Ｍｅｄｉａｔｅｄ　Ｅｌｅｃｔｒｏｎｉｃ　Ｃｏｍｍｅｒｃｅ．Ｕｔｒｅｃｈｔ，Ｔｈｅ　Ｅｓ８］　Ｄｏｗｌｉｎｇ　Ｊｉｍ，Ｃｕｒｒａｎ　Ｅｏｉｎ，Ｃｕｎｎｉｎｇｈａｍ　Ｒａｙｍｏｎｄ，Ｃａｈｉｌｌ　Ｎｅｔｈｅｒｌａｎｄｓ，２００５．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ—Ｖｅｒｌａｇ，２００６：２５—３８　Ｖｉｎｎｙ．Ｕｓｉｎｇ　ｆｅｅｄｂａｃｋ　ｉｎ　ｃｏｌｌａｂｏｒａｔｉｖｅ　ｒｅｉｎｆｏｒｃｅｍｅｎｔ　ｌｅａｒｎ—　ｉｎｇ　ｔｏ　ａｄａｐｔｉｖｅｌｙ　ｏｐｔｉｍｉｚｅ　ＭＡＮＥＴ　ｒｏｕｔｉｎｇ．ＩＥＥＥ　Ｔｒａｎｓａｃ—　［７Ｏ］Ｖｏｕｌｇａｒｉｓ　Ｓ，Ｊｅｌａｓｉｔｙ　Ｍ，ｖａｎ　Ｓｔｅｅｎ　Ｍ．Ａ　ｒｏｂｕｓｔ　ａｎｄ　ｓｃａｌａｂｌｅ　Ｐｅｅｒ－ｔｏ　Ｐｅｅｒ　ｇｏｓｓｉｐｉｎｇ　ｐｒｏｔｏｃｏｌ／／Ｍｏｒｏ　Ｇ，Ｓａｒｔｏｒｉ　Ｃ，Ｓｉｎｇｈ　ｔｉｏｎｓ　ｏｎ　Ｓｙｓｔｅｍｓ，Ｍａｎ，ａｎｄ　Ｃｙｂｅｒｎｅｔｉｃｓ，Ｐａｒｔ　Ａ，２００５，３５　Ｍ　Ｐ　ｅｄｓ．Ａｇｅｎｔｓ　ａｎｄ　Ｐｅｅｒ　ｔｏ　Ｐｅｅｒ　Ｃｏｍｐｕｔｉｎｇ．Ｂｅｒｌｉｎ：　（３）：３６０　３７２　Ｓｐｒｉｎｇｅｒ　Ｖｅｒｌａｇ，２００３：４７—５８　Ｅ５９］　Ｈａｓｓｎａｏｕｉ　Ａ，Ｂａｋｈｏｕｙａ　Ｍ，Ｇａｂｅｒ　Ｊ．Ｔｏｗａｒｄｓ　ａｎ　Ａｇｅｎｔ－　ｂａｓｅｄ　ａｐｐｒｏａｃｈ　ｆｏｒ　ｓｅｒｖｉｃｅ　ｅｍｅｒｇｅｎｃｅ　ｉｎ　ｐｅｒｖａｓｉｖｅ　ｃｏｍｐｕ　［７１］Ｂｒａｇｉｎｓｋｙ　Ｄ，Ｅｓｔｒｉｎ　Ｄ．Ｒｕｍｏｒ　ｒｏｕｔｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｓｅｎｓｏｒ　ｔｉｎｇ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　Ａｄｖａｎｃｅｄ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｎｅｔｗｏｒｋｓ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　Ｉｓｔ　Ｗｏｒｋｓｈｏｐ　ｏｎ　Ｓｅｎｓｏｒ　Ｎｅｔ　ｏｎ　Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ　ａｎｄ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｉｎ—　ｗｏｒｋｓ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎｓ（ＷＳＮＡ）．Ａｔｌａｎｔａ，ＧＡ，ＵＳＡ，　２００２：２２－３１　ｔｅｒｎｅｔ　ａｎｄ　Ｗｅｂ　Ａｐｐｌｉｃａｔｉｏｎｓ　ａｎｄ　Ｓｅｒｖｉｃｅｓ（ＡＩＣＴ／ＩＣＩＷ　２００６）．Ｇｕａｄｅｌｏｕｐｅ，Ｆｒａｎｃｅ，２００６：１５—１５　［７２］Ｒａｍｃｈｕｒｎ　Ｓａｒｖａｐａｌｉ　Ｄ，Ｈｕｙｎｈ　Ｄｏｎｇ，Ｊｅｎｎｉｎｇｓ　Ｎｉｃｈｏｌａｓ　Ｒ．　［６ｏ］　Ｄｉｎｇ　Ｙｏｎｇ－Ｓｈｅｎｇ，Ｓｕｎ　Ｈｏｎｇ—Ｂｉｎ，Ｈａｏ　Ｋｕａｎｇ—Ｒｏｎｇ．Ａ　ｂｉｏ—　Ｔｒｕｓｔ　ｉｎ　ｍｕｌｔｉ－Ａｇｅｎｔ　ｓｙｓｔｅｍｓ．Ｋｎｏｗｌｅｄｇｅ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｒｅ—　ｉｎｓｐｉｒｅｄ　ｅｍｅｒｇｅｎｔ　ｓｙｓｔｅｍ　ｆｏｒ　ｉｎｔｅｌｌｉｇｅｎｔ　Ｗｅｂ　ｓｅｒｖｉｃｅ　ｃｏｍｐｏｓｉ—　ｖｉｅｗ，２００４，１９（１）：１－２５　ｔｉｏｎ　ａｎｄ　ｍａｎａｇｅｍｅｎｔ．Ｋｎｏｗｌｅｄｇｅ—Ｂａｓｅｄ　Ｓｙｓｔｅｍｓ，２００７，２０　［７３］Ｃａｈｉｌｌ　Ｖ，Ｇｒａｙ　Ｅ，Ｓｅｉｇｎｅｕｒ　Ｊ－Ｍ，Ｊｅｎｓｅｎ　Ｃ　Ｄ，Ｃｈｅｎ　Ｙｏｎｇ，　（５）：４５７－４６５　Ｓｈａｎｄ　Ｂ，Ｄｉｍｍｏｃｋ　Ｎ，Ｔｗｉｇｇ　Ａ，Ｂａｃｏｎ　Ｊ，Ｅｎｇｌｉｓｈ　Ｃ，Ｗａ　［６１］　Ｚｈａｎｇ　Ｗｅｉ　Ｙｉｎｇ．Ｇａｍｅ　Ｔｈｅｏｒｙ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎａｌ　Ｅｃｏｎｏｍ—　ｇｅａｌｌａ　Ｗ，Ｔｅｒｚｉｓ　Ｓ，Ｎｉｘｏｎ　Ｐ，Ｄｉ　Ｍａｒｚｏ　Ｓｅｒｕｇｅｎｄｏ　Ｇ，Ｂｒｙｃｅ　ｉｃｓ．Ｓｈａｎｇｈａｉ：Ｓｈａｎｇｈａｉ　Ｓａｎｌｉａｎ　Ｂｏｏｋｓｔｏｒｅ；Ｓｈａｎｇｈａｉ　Ｐｅｏｐｌｅ　ｓ　Ｃ，Ｃａｒｂｏｎｅ　Ｍ，Ｋｒｕｋｏｗ　Ｋ，Ｎｉｅｌｓｏｎ　Ｍ．Ｕｓｉｎｇ　ｔｒｕｓｔ　ｆｏｒ　ｓｅ—　Ｅｄｕｃａｔｉｏｎ　Ｐｒｅｓｓ，１９９６（ｉｎ　Ｃｈｉｎｅｓｅ）　ｃｕｒｅ　ｃｏｌｌａｂｏｒａｔｉｏｎ　ｉｎ　ｕｎｃｅｒｔａｉｎ　ｅｎｖｉｒｏｎｍｅｎｔｓ．ＩＥＥＥ　Ｐｅｒｖａｓｉｖｅ　（张维迎．博弈论与信息经济学．一ｋ海：上海三联书店；上海　Ｃｏｍｐｕｔｉｎｇ　Ｍａｇａｚｉｎｅ，Ｓｐｅｃｉａｌ　Ｉｓｓｕｅ　Ｄｅａｌｉｎｇ　ｗｉｔｈ　Ｕｎｃｅｒｔａｉｎ—　人民出版社，１９９６）　ｔｙ，２００３，２（３）：５２—６１　［６２］　Ｓｉｍｏｎ　Ｐａｒｓｏｎｓ，Ｍｉｃｈａｅｌ　Ｗｏｏｌｄｅｒｉｄｇｅ．Ｇａｍｅ　ｔｈｅｏｒｙ　ａｎｄ　ｄｅｃｉ　［７４］Ｋａｍｖａｒ　Ｓ　Ｄ，Ｓｃｈｌｏｓｓｅｒ　Ｍ　Ｔ，Ｇａｒｃｉａ－Ｍｏｌｉｎａ　Ｈ．Ｔｈｅ　ｅｉｇｅｎ—　ｓｉｏｎ　ｔｈｅｏｒｙ　ｉｎ　ｍｕｌｔｉ－Ａｇｅｎｔ　ｓｙｓｔｅｍｓ．Ａｕｔｏｎｏｍｏｕｓ　Ａｇｅｎｔｓ　ａｎｄ　ｔｒｕｓｔ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｒｅｐｕｔａｔｉｏｎ　ｍａｎａｇｅｍｅｎｔ　ｉｎ　Ｐ２Ｐ　ｎｅｔ—　Ｍｕｌｔｉ－Ａｇｅｎｔ　Ｓｙｓｔｅｍｓ，２００２，５（３）：２４３—２５４　ｗｏｒｋｓ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　１２ｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｗｏｒｌｄ　Ｗｉｄｅ　［６３］　Ｒｏｓｅｎｓｃｈｅｉｎ　Ｊ　Ｓ，Ｇｉｎｓｂｅｒｇ　Ｍ，Ｇｅｎｅｓｅｒｅｔｈ　Ｍ　Ｒ．Ｇｏｏｐｅｒａｔｉｏｎ　Ｗｅｂ　Ｃｏｎｆｅｒｅｎｃｅ（ＷＷＷ２ＯＯ３）．Ｂｕｄａｐｅｓｔ，Ｈｕｎｇａｒｙ，２００３：　ｗｉｔｈｏｕｔ　ｃｏｍｍｕｎｉｃａｔｉｏｎ／／Ｂｏｎｄ　Ａ　Ｈ，Ｇａｓｓｅｒ　Ｌ　ｅｄｓ．Ｒｅａｄｉｎｇｓ　６４Ｏ一６５１　ｉｎ　Ｄｉｓｔｒｉｂｕｔｅｄ　Ａｒｔｉｆｉｃｉａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ．Ｓａｎ　Ｍａｔｅｏ，Ｃａｌｉｆｏｒｎｉａ：　Ｌ７５　Ｄｉ　Ｍａｒｚｏ　Ｓｅｒｕｇｅｎｄｏ　Ｇ．Ｔｒｕｓｔ　ａｓ　ａｎ　ｉｎｔｅｒａｃｔｉｏｎ　ｍｅｃｈａｎｉｓｍ　Ｍｏｒｇａｎ　Ｋａｕｆｍａｎｎ　Ｐｕｂｌｉｓｈｅｒｓ，１９８８：２２０—２２６　ｆｏｒ　ｓｅｌｆ＿ｏｒｇａｎｉｓｉｎｇ　ｓｙｓｔｅｍｓ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　维普资讯 http://www.cqvip.com ８９４　计　算　机　学　报　２００８钽　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｌｅｘ　Ｓｙｓｔｅｍｓ（ＩＣＣＳ　０４）．Ｋｒａｋｏｗ　Ｐｏ—　ｌａｎｄ，２００４：１－８　Ｅ７６］　Ｊａｍｅｓ　Ｏｄｅｌ１．Ａｇｅｎｔｓ　ａｎｄ　ｅｍｅｒｇｅｎｃｅ．Ｄｉｓｔｒｉｂｕｔｅｄ　Ｃｏｍｐｕ—　ｔｉｎｇ，１９９８，１０：４５—５０　［７７］　Ｄｅ　Ｗｏｌｆ　Ｔｏｍ。Ｈｏｌｖｏｅｔ　Ｔｏｍ．Ｔｏｗａｒｄｓ　ａ　ｍｅｔｈｏｄｏｌｏｇｙ　ｆｏｒ　ｅｎｇｉｎｅｅｒｉｎｇ　ｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇ　ｅｍｅｒｇｅｎｔ　ｓｙｓｔｅｍｓ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｓｅｌｆ－Ｏｒｇａｎｉｚａｔｉｏｎ　ａｎｄ　Ａｄ—　ａｐｔａｔｉｏｎ　ｏｆ　Ｍｕｌｔｉ—Ａｇｅｎｔ　ａｎｄ　Ｇｒｉｄ　Ｓｙｓｔｅｍｓ（ＳＯＡＳ　２００５）．　Ｇｌａｓｇｏｗ。Ｓｃｏｔｌａｎｄ。ＵＫ，２００５：１８—３４　［７８］　Ｂｅｒｎｏｎ　Ｃ，Ｇｌｅｉｚｅｓ　Ｍ—Ｐ，Ｐｅｙｒｕｑｕｅｏｕ　Ｓ，Ｐｉｃａｒｄ　Ｇ．ＡＤＥＬＦＥ：　Ａ　ｍｅｔｈｏｄｏｌｏｇｙ　ｆｏｒ　ａｄａｐｔｉｖｅ　ｍｕｌｔｉ—Ａｇｅｎｔ　ｓｙｓｔｅｍｓ　ｅｎｇｉｎｅｅｒ—　ｉｎｇ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　３ｒｄ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｗｏｒｋｓｈｏｐ　ｏｎ　Ｅｎｇｉ—　ｎｅｅｒｉｎｇ　Ｓｏｃｉｅｔｉｅｓ　ｉｎ　ｔｈｅ　Ａｇｅｎｔｓ　Ｗｏｒｌｄ（ＥＳＡＷ一２００２）．Ｍａ—　ｄｒｉｄ，Ｓｐａｉｎ，２００２．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ－Ｖｅｒｌａｇ，２００３：１５６－１６９　［７９］　Ｆｉｏｎａ　Ｐｏｌａｃｋ，Ｓｕｓａｎ　Ｓｔｅｐｎｅｙ．Ｅｍｅｒｇｅｎｔ　ｐｒｏｐｅｒｔｉｅｓ　ｄｏ　ｎｏｔ　ｒｅ—　ｆｉｎｅ．Ｅｌｅｃｔｒｏｎｉｃ　Ｎｏｔｅｓ　ｉｎ　Ｔｈｅｏｒｅｔｉｃａｌ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ，　２００５，１３７（２）：１６３－１８１　［８Ｏ］　Ｐｏｕｌｔｏｎ　Ｇ，Ｇｕｏ　Ｙ，Ｖａｌｅｎｃｉａ　Ｐ，Ｊａｍｅｓ　Ｇ，Ｐｒｏｋｏｐｅｎｋｏ　Ｍ，　Ｗａｎｇ　Ｐ．Ｄｅｓｉｇｎｉｎｇ　ｅｎｚｙｍｅｓ　ｉｎ　ａ　ｍｕｌｔｉ—Ａｇｅｎｔ　ｓｙｓｔｅｍ　ｂａｓｅｄ　ｏｎ　ａ　ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍ／／Ｇｒｏｅｎ　Ｆ　ｅｔ　ａｌ　ｅｄｓ．Ｉｎｔｅｌｌｉｇｅｎｔ　Ａｕｔｏｎ—　ｏｍｏｕｓ　Ｓｙｓｔｅｍｓ　８（ＩＡＳ一８）．Ａｍｓｔｅｒｄａｍ：ＩＯＳ　Ｐｒｅｓｓ，２００４：　２５３—２６２　［８１］　Ｐｏｕｌｔｏｎ　Ｇｅｏｆｆ，Ｇｕｏ　Ｙｉｎｇ，Ｊａｍｅｓ　Ｏｅｏｆｆ，Ｖａｌｅｎｃｉａ　Ｐｈｉｌ，　Ｇｅｒａｓｉｍｏｖ　Ｖａｄｉｍ，Ｌｉ　Ｊｉａ－Ｍｉｎｇ．Ｄｉｒｅｃｔｅｄ　ｓｅｌｆ－ａｓｅｍｂｌｙ　ｏｆ　２一　Ｄｉｍｅｎｓｉｏｎａｌ　ｍｅｓｏｂｌｏｃｋｓ　ｕｓｉｎｇ　ｔｏｐ—ｄｏｗｎ／ｂｏｔｔｏｍ—ｕｐ　ｄｅｓｉｇｎ／／　Ｂｒｕｅｃｋｎｅｒ　Ｓ　ｅｔ　ａｌ　ｅｄｓ．Ｅｎｇｉｎｅｅｒｉｎｇ　Ｓｅｌｆ－Ｏｒｇａｎｉｚｉｎｇ　Ｓｙｓｔｅｍｓ：　Ｍｅｔｈｏｄｏｌｏｇｉｅｓ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎｓ．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ－Ｖｅｒｌａｇ，　２００５：１５４—１６６　［８２］　Ｄｅ　Ｗｏｌｆ　Ｔｏｍ，Ｈｏｌｖｏｅｔ　Ｔｏｍ，Ｓａｍａｅｙ　Ｇｉｏｖａｎｎｉ．Ｅｎｇｉｎｅｅｒｉｎｇ　ｓｅ１ｆ＿ｏｒｇａｎｉｓｉｎｇ　ｅｍｅｒｇｅｎｔ　ｓｙｓｔｅｍｓ　ｗｉｔｈ　ｓｉｍｕｌａｔｉｏｎ－ｂａｓｅｄ　ｓｃｉ—　ｅｎｔｉｆｉｃ　ａｎａｌｙｓｉｓ／／Ｂｒｕｅｃｋｎｅｒ　Ｓ，Ｄｉ　Ｍａｒｚｏ　Ｓｅｒｕｇｅｎｄｏ　Ｇ，Ｈａｌｅｓ　Ｄ，Ｚａｍｂｏｎｅｌｌｉ　Ｆ　ｅｄｓ．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　３ｒｄ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｗｏｒｋｓｈｏｐ　ｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｓｅ１　０ｒｇａｎｉｓｉｎｇ　Ａｐｐｌｉｃａｔｉｏｎｓ．　Ｕｔｒｅｃｈｔ，Ｔｈｅ　Ｎｅｔｈｅｒｌａｎｄｓ：Ｕｎｉｖｅｒｓｉｔｅｉｔ　Ｕｔｒｅｃｈｔ，２００５：１４６—　１６Ｏ　［８３］　Ｇａｒｄｅｌｌｉ　Ｌｕｃａ，Ｖｉｒｏｌｉ　Ｍｉｒｋｏ，Ｏｍｉｃｉｎｉ　Ａｎｄｒｅａ．Ｏｎ　ｔｈｅ　ｒｏｌｅ　ｏｆ　ｓｉｍｕｌａｔｉｏｎ　ｉｎ　ｔｈｅ　ｅｎｇｉｎｅｅｒｉｎｇ　ｏｆ　ｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇ　ｓｙｓｔｅｍｓ：Ｄｅ—　ｔｅｃｔｉｎｇ　ａｂｎｏｒｍａｌ　ｂｅｈａｖｉｏｕｒ　ｉｎ　ＭＡＳ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　Ｗｏｒｋｓｈｏｐ　ｏｎ　Ｏｂｊｅｃｔｓ　ａｎｄ　Ａｇｅｎｔｓ（Ｗ０Ａ　Ｏ５）．Ｃａｍｅｒｉｎｏ。　ＪＩＮ　Ｓｈｉ—Ｙａｏ，ｂｏｒｎ　ｉｎ　１９３７，ｐｒｏｆｅｓ—　ｓｏｒ，Ｐｈ．Ｄ．ｓｕｐｅｒｖｉｓｏｒ．Ｈｉｓ　ｃｕｒｒｅｎｔ　ｒｅ—　ｓｅａｒｃｈ　ｉｎｔｅｒｅｓｔｓ　ｉｎｃｌｕｄｅ　ｓｙｓｔｅｍｓ　ｍｏｄｅｌ—　ｉｎｇ　ａｎｄ　ｓｉｍｕｌａｔｉｏｎ，ｍｕｌｔｉ－ａｇｅｎｔ　ｓｙｓ—　ｔｅｍｓ，ｄｉｓｔｒｉｂｕｔｅｄ　ｃｏｍｐｕｔｉｎｇ，ａｎｄ　ｖｉｒｔｕａｌ　ｔｅａｈｚａｔｉｏｎ．　Ｂａｃｋｇｒｏｕｎｄ　．Ｉｎ　ａ　ｌｏｔ　ｏｆ　ａｐｐｌｉｃａｔｉｏｎｓ，ＭＡＳｓ　ａｒｅ　ｉｄｅｎｔｉｆｉｅｄ　ａｓ　ＣＡＳｓ．　Ｓｏ，ｉｎ　ｔｈｅ　ａｒｅａ　ｏｆ　ＭＡＳ．ｍｏｒｅ　ａｎｄ　ｍｏｒｅ　ａｔｔｅｎｔｉｏｎｓ　ａｒｅ　ｐａｉｄ　ｔｏ　ｔｈｅ　ｐｈｅｎｏｍｅｎｏｎ　ｏｆ　ｅｍｅｒｇｅｎｃｅ　ｗｈｉｃｈ　ｉｓ　ｉｎｔｒｉｎｓｉｃ　ｉｎ　ＣＡＳｓ．　Ｍｃ，Ｉｔａｌｙ，２００５：８５—９０　［８４］　Ｇａｍｍａ　Ｅ，Ｈｅｌｍ　Ｒ，Ｊｏｈｎｓｏｎ　Ｒ，Ｖｌｉｓｓｉｄｅｓ　Ｊ．Ｄｅｓｉｇｎ　Ｐａｔ—　ｔｅｒｎｓ：Ｅｌｅｍｅｎｔｓ　ｏｆ　Ｒｅｕｓａｂｌｅ　Ｏｂｊｅｃｔ－０ｒｉｅｎｔｅｄ　Ｓｏｆｔｗａｒｅ．Ｒｅｄ—　ｗｏｏｄ　Ｃｉｔｙ，Ｃａｌｉｆｏｒｎｉａ：Ａｄｄｉｓｏｎ　Ｗｅｓｌｅｙ　Ｐｒｏｆｅｓｓｉｏｎａｌ，１９９５　（ｉｎ　Ｃｈｉｎｅｓｅ）　（Ｇａｍｍａ　Ｅ，Ｈｅｌｍ　Ｒ，Ｊｏｈｎｓｏｎ　Ｒ，Ｖｌｉｓｓｉｄｅｓ　Ｊ．设计模式：可　复用面向对象软件的基础．李英军，马晓星，蔡敏，刘建中等　译．北京：机械工业出版社，２０００）　［８５］　Ｄｅ　Ｗｏｌｆ　Ｔｏｍ。Ｈｏｌｖｏｅｔ　Ｔｏｍ．Ｄｅｓｉｇｎ　ｐａｔｔｅｒｎｓ　ｆｏｒ　ｄｅｃｅｎｔｒａｌ—　ｉｚｅｄ　ｃｏｏｒｄｉｎａｔｉｏｎ　ｉｎ　ｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇ　ｅｍｅｒｇｅｎｔ　ｓｙｓｔｅｍｓ／／　Ｂｒｕｅｃｋｎｅｒ　Ｓ，Ｈａｓｓａｓ　Ｓ，Ｊｅｌａｓｉｔｙ　Ｍ，Ｙａｍｉｎｓ　Ｄ　ｅｄｓ．Ｅｎｇｉ—　ｎｅｅｒｉｎｇ　Ｓｅｌｆ－Ｏｒｇａｎｉｚｉｎｇ　Ｓｙｓｔｅｍｓ．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ－Ｖｅｒｌａｇ，　２００７：２８－４９　［８６］　Ｄｅ　Ｗｏｌｆ　Ｔ，Ｈｏｌｖｏｅｔ　Ｔ．Ａ　ｃａｔａｌｏｇｕｅ　ｏｆ　ｄｅｃｅｎｔｒａｌｉｚｅｄ　ｃｏｏｒｄｉ—　ｎａｔｉｏｎ　ｍｅｃｈａｎｉｓｍｓ　ｆｏｒ　ｄｅｓｉｇｎｉｎｇ　ｓｅｌｆ＿ｏｒｇａｎｉｚｉｎｇ　ｅｍｅｒｇｅｎｔ　ａｐ—　ｐｌｉｃａｔｉｏｎｓ．Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ．Ｋ．Ｕ．Ｌｅｕｖｅｎ，　Ｂｅｌｇｉｕｍ：Ｒｅｐｏｒｔ　ＣＷ　４５８，２００６　［８７］　Ｇａｒｄｅｌｌｉ　Ｌｕｃａ，Ｖｉｒｏｌｉ　Ｍｉｒｋｏ，Ｏｍｉｃｉｎｉ　Ａｎｄｒｅａ．Ｄｅｓｉｇｎ　ｐａｔ—　ｔｅｒｎｓ　ｆｏｒ　ｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇ　ｍｕｌｔｉｖａｌｅｎｔ　ｓｙｓｔｅｍｓ／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｗｏｒｋｓｈｏｐ　ｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｅｍｅｒｇｅｎｃｅ　ｉｎ　Ｄｅ—　ｃｅｎｔｒａｌｉｓｅｄ　Ａｕｔｏｎｏｍｉｃ　Ｓｙｓｔｅｍｓ（ＥＥＤＡＳ　２００７），ＩＣＡＣ　２００７，　Ｊａｃｋｓｏｎｖｉｌｌｅ，ＦＬ，ＵＳＡ，２００７．Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｇｒｅｅｎｗｉｃｈ：　ＣＭＳ　Ｐｒｅｓｓ，２００７：６１－７０　［８８］　Ｌｉｎｄ　Ｊ．Ｐａｔｔｅｒｎｓ　ｉｎ　Ａｇｅｎｔ—ｏｒｉｅｎｔｅｄ　ｓｏｆｔｗａｒｅ　ｅｎｇｉｎｅｅｒｉｎｇ／／　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　３ｒｄ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｗｏｒｋｓｈｏｐ　ｏｎ　Ａｇｅｎｔ　ＯＡ—　ｅｎｔｅｄ　Ｓｏｆｔｗａｒｅ　Ｅｎｇｉｎｅｅｒｉｎｇ（Ａ０ＳＥ　２００２）．Ｂｏｌｏｇｎａ，Ｉｔａｌｙ，　２００２．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ－Ｖｅｒｌａｇ，２００３：４７—５８　［８９］　Ｒａｏ　Ａ　Ｓ，Ｇｅｏｒｇｅｆｆ　Ｍ　Ｐ．Ｍｏｄｅｌｌｉｎｇ　ｒａｔｉｏｎａｌ　Ａｇｅｎｔｓ　ｗｉｔｈｉｎ　ａ　ＢＤＩ—ａｒｃｈｉｔｅｃｔｕｒｅ／／Ｊａｍｅｓ　Ａｌｉｅｎ，Ｒｉｃｈａｒｄ　Ｆｉｋｅｓ，Ｅｒｉｋ　Ｓａｎｄ—　ｅｗａｌｌ　ｅｄｓ．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２ｎｄ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｆ　Ｐｒｉｎｃｉｐｌｅｓ　ｏｆ　Ｋｎｏｗｌｅｄｇｅ　Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ　ａｎｄ　Ｒｅａｓｏｎｉｎｇ．　Ｓａｎ　Ｍａｔｅｏ，Ｃａｌｉｆｏｒｎｉａ：Ｍｏｒｇａｎ　Ｋａｕｆｍａｎｎ　Ｐｕｂｌｉｓｈｅｒｓ，１９９１：　４７３—４８４　［９Ｏ］　Ｂｒａｆｍａｎ　Ｒｏｎｅｎ　Ｉ，Ｔｅｎｎｅｎｈｏｌｔｚ　Ｍｏｓｈｅ．Ｍｏｄｅｌｉｎｇ　Ａｇｅｎｔｓ　ａｓ　ｑｕａｌｉｔａｔｉｖｅ　ｄｅｃｉｓｉｏｎ　ｍａｋｅｒｓ．Ａｒｔｉｆｉｃｉａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ，１９９７，９４　（１－２）：２１７－２６８　［９１］　Ｋｅｐｈａｒｔ　Ｊ．Ｓｏｆｔｗａｒｅ　Ａｇｅｎｔｓ　ａｎｄ　ｔｈｅ　ｒｏｕｔｅ　ｔｏ　ｔｈｅ　ｉｎｆｏｒｍａｔｉｏｎ　ｅｃｏｎｏｍｙ．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　Ｎａｔｉｏｎａｌ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ　ｏｆ　ｔｈｅ　Ｕｎｉｔｅｄ　Ｓｔａｔｅｓ　ｏｆ　Ａｍｅｒｉｃａ，２００２，９９（３）：７２０７—７２１３　ＨＵＡＮＧ　Ｈｏｎｇ—Ｂｉｎｇ，ｂｏｒｎ　ｉｎ　１９７７，Ｐｈ．Ｄ．ｃａｎｄｉｄａｔｅ．　Ｈｉｓ　ｃｕｒｒｅｎｔ　ｒｅｓｅａｒｃｈ　ｉｎｔｅｒｅｓｔｓ　ｉｎｃｌｕｄｅ　ｍｕｌｔｉ—ａｇｅｎｔ　ｓｙｓｔｅｍｓ，　ｃｏｍｐｌｅｘ　ｓｙｓｔｅｍｓ　ｍｏｄｅｌｉｎｇ　ａｎｄ　ｓｉｍｕｌａｔｉｏｎ．　ＦＡＮ　Ｇａｏ－Ｊｕｎ，ｂｏｒｎ　ｉｎ　１９８０，Ｐ　ｈ＿Ｄ．ｃａｎｄｉｄａｔｅ．Ｈｉｓ　ｃｕｒｒｅｎｔ　ｒｅｓｅａｒｃｈ　ｉｎｔｅｒｅｓｔｓ　ｉｎｃｌｕｄｅ　ｍｕｌｔｉ—ａｇｅｎｔ　ｓｙｓｔｅｍｓ，ｃｏｍ—　ｐｌｅｘ　ｓｙｓｔｅｍｓ　ｍｏｄｅｌｉｎｇ　ａｎｄ　ｓｉｍｕｌａｔｉｏｎ．　Ａｎｄ　ｅｍｅｒｇｅｎｃｅ—ｏｒｉｅｎｔｅｄ　ｒｅｓｅａｒｃｈ　ｏｎ　ＭＡＳｓ　ｂｅｃｏｍｅｓ　ａ　ｎｅｗ　ｄｉｒｅｃｔｉｏｎ　ｉｎ　ｔｈｅ　ａｒｅａ　ｏｆ　ＭＡＳ．Ｅｍｅｒｇｅｎｃｅ—ｏｒｉｅｎｔｅｄ　ｒｅｓｅａｒｃｈｅｓ　ｆｏｃｕｓ　ｏｎ　ｔｈｅ　ｅｍｅｒｇｅｎｔ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ＭＡＳｓ　ａｎｄ　ｔｈｅ　ｍｅｃｈ—　维普资讯 http://www.cqvip.com ６期　金士尧等：面向涌现的多Ａｇｅｎｔ系统研究及其进展　８９５　ａｎｉｓｍｓ　ｏｆ　ｅｍｅｒｇｅｎｃｅ　ｗｈｉｃｈ　ｃｏｒｒｅｌａｔｅ　ｔｈｅ　ｍａｃｒｏ—ａｎｄ　ｍｉｃｒｏ—　Ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，ａｆｔｅｒ　ａｎ　ｉｎｔｒｏｄｕｃｔｉｏｎ　ｏｆ　ｔｈｅ　ｃｏｎｃｅｐｔ　ｏｆ　ｌｅｖｅｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．Ｔｈｅ　ｆｉｎａｌ　ｇｏａｌ　ｏｆ　ｔｈｅｓｅ　ｒｅｓｅａｒｃｈｅｓ　ｉｓ　ｔｏ　ｅｍｅｒｇｅｎｃｅ，ｔｈｅ　ｅｍｅｒｇｅｎｃｅ—ｏｒｉｅｎｔｅｄ　ａｐｐｒｏａｃｈｅｓ　ｆｏｒ　ｃｈａｒａｃｔｅｒ—　ｄｅｖｅｌｏｐ　ａ　ｓｅｔ　ｏｆ　ｍｅｔｈｏｄｓ　ｆｏｒ　ｅｎｇｉｎｅｅｒｉｎｇ　ｅｍｅｒｇｅｎｃｅ　ｉｎ　ｉｚｉｎｇ　ｅｍｅｒｇｅｎｔ　ｂｅｈａｖｉｏｒｓ　ｏｆ　ＭＡＳｓ　ａｒｅ　ｒｅｖｉｅｗｅｄ．Ｔｈｅｎ　ｔｈｅ　ＭＡＳｓ．　ａｕｔｈｏｒｓ　ｇｉｖｅ　ａｎ　ｏｖｅｒｖｉｅｗ　ｏｆ　ｔｈｅ　ｍｉｃｒｏ－ｍａｃｒｏ　ｍｅｃｈａｎｉｓｍｓ　ｏｆ　Ｉｎ　ｔｈｉｓ　ａｒｅａ，ｔｈｅ　ｃｏｎｃｅｐｔ　ｏｆ　ｅｍｅｒｇｅｎｃｅ　ｈａｓ　ｂｅｅｎ　ｄｅｂａｔｅｄ　ｅｍｅｒｇｅｎｃｅ　ｉｎ　ＭＡＳｓ，ａｎｄ　ａ　ｓｕｒｖｅｙ　ｏｆ　ｅｍｅｒｇｅｎｃｅ—ｏｒｉｅｎｔｅｄ　ｅｎ—　ｆｏｒ　ａ　ｌｏｎｇ　ｔｉｍｅ，ａｎｄ　ｉｓ　ｎｏｔ　ｓｅｔｔｌｅｄ　ｙｅｔ．Ｔｏ　ｓｔｕｄｙ　ｔｈｅ　ｅｍｅｒｇｅｎｔ　ｇｉｎｅｅｒｉｎｇ　ｍｅｔｈｏｄｏｌｏｇｉｅｓ　ａｎｄ　ｄｅｓｉｇｎ　ｐａｔｔｅｒｎｓ　ｏｆ　ＭＡＳｓ．Ｆｉｎａｌ—　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ。ｔｈｅ　ｌａｗｓ　ｇｏｖｅｒｎｉｎｇ　ｔｈｅ　ｅｖｏｌｕｔｉｏｎ　ｏｆ　ＭＡＳｓ　ｌｙ，ｔｈｅ　ｐｒｏｂｌｅｍｓ　ｏｆ　ｔｈｅｓｅ　ｒｅｓｅａｒｃｈｅｓ　ａｒｅ　ｄｉｓｃｕｓｓｅｄ；ａｎｄ　ｆｕ—　ｍｕｓｔ　ｂｅ　ｆｉｎｅｄ．Ｔｈｉｓ　ｌｅａｄｓ　ｔｏ　ｔｈｅ　ｅｍｅｒｇｅｎｃｅ—ｏｒｉｅｎｔｅｄ　ｄｅｓｃｒｉｐ—　ｔｕｒｅ　ｄｉｒｅｃｔｉｏｎｓ　ｉｎ　ｔｈｉｓ　ａｒｅａ　ａｒｅ　ｇｉｖｅｎ　ｂｙ　ｔｈｅ　ａｕｔｈｏｒｓ．　ｔｉｏｎ　ｏｆ　ＭＡＳ．Ａｔ　ｐｒｅｓｅｎｔ，ｔｈｅｒｅ　ａｒｅ　ｍａｉｎｌｙ　ｔｗｏ　ａｐｐｒｏａｃｈｅｓ：　Ａｕｔｈｏｒｓ　ｈａｖｅ　ｄｏｎｅ　ｒｅｓｅａｒｃｈ　ｏｎ　ＭＡＳ　ａｎｄ　ＣＡＳ，ｅｓｐｅｃｉａｌ—　Ｌｏｇｉｃ—ｂａｓｅｄ　ａｎｄ　ｓｔａｔｉｓｔｉｃｓ—ｂａｓｅｄ．Ｔｏ　ｅｎｇｉｎｅｅｒ　ｅｍｅｒｇｅｎｃｅ　ｉｎ　ｌｙ　ｏｎ　ＭＡＳ－ｂａｓｅｄ　ｍｏｄｅｌｉｎｇ　ａｎｄ　ｓｉｍｕｌａｔｉｏｎ　ｏｆ　ＣＡＳｓ，ｆｏｒ　ｍａｎｙ　ＭＡＳｓ　ａｔ　ｒｕｎｔｉｍｅ，ｔｈｅ　ｐｒｏｐｅｒ　ｗａｙ　ｉｓ　ｔＯ　ａｄｏｐｔ　ｒｅｌｅｖａｎｔ　ｍｅｃｈａ—　ｙｅａｒｓ．Ｂｙ　ｔｈｅｓｅ　ｓｔｕｄｉｅｓ，ｔｈｅｙ　ｈａｖｅ　ａ　ｄｅｅｐ　ｕｎｄｅｒｓｔａｎｄｉｎｇ　ｏｆ　ｎｉｓｍｓ　ｆｏｒ　ｅｍｅｒｇｅｎｃｅ　ａｎｄ　ｔｏ　ｉｎｔｒｏｄｕｃｅ　ａｐｐｒｏｐｒｉａｔｅ　ａｒｔｉｆａｃｔ　ｆｏｒ　ｅｍｅｒｇｅｎｃｅ　ｉｎ　ＣＡＳｓ．Ｒｅｃｅｎｔｌｙ，ｔｈｅｙ　ａｐｐｌｙ　ｔｈｅｉｒ　ｒｅｓｅａｒｃｈ　ｒｅ—　ｃｏｎｔｒｏｌｌｉｎｇ．Ｓｏ　ｄｅｓｉｇｎ　ｐａｔｔｅｒｎｓ　ｕｓｉｎｇ　ｅｍｅｒｇｅｎｔ　ｍｅｃｈａｎｉｓｍｓ　ｓｕｌｔ　ｔｏ　ｅｍｅｒｇｅｎｃｅ—ｏｒｉｅｎｔｅｄ　ｒｅｓｅａｒｃｈ　ｏｎ　ＭＡＳｓ．Ａ　ｒｅｍａｒｋａｂｌｅ　ａｒｅ　ｖｅｒｙ　ｐｏｐｕｌａｒ．Ｍｏｓｔ　ｏｆ　ｔｈｅ　ｍｅｃｈａｎｉｓｍｓ，ｎＯＷ，ａｒｅ　ｃｏｍｅ　ｔｏｏｌ，ｎａｍｅｌｙ　ＪＣａｓｓ，ｈａｖｅ　ｆａｃｉｌｉｔａｔｅｄ　ｔｈｅｉｒ　ｒｅｓｅａｒｃｈ，ｗｈｉｃｈ　ｉｓ　ｆｏｒｍ　ｂｉｏｌｏｇｙ，ｅｃｏｎｏｍｉｃ　ａｎｄ　ｓｏｃｉｅｔｙ．Ａｎｄ　ｔｈｅ　ｅｎｇｉｎｅｅｒｉｎｇ　ａ　ｄｉｓｔｒｉｂｕｔｅｄ　ｐｌａｔｆｏｒｍ　ｆｏｒ　Ａｇｅｎｔ－ｂａｓｅｄ　ｓｉｍｕｌａｔｉｏｎｓ　ｄｅｖｅｌｏｐｅｄ　ｍｅｔｈｏｄｏｌｏｇｉｅｓ　ａｒｅ　ｅｘｔｅｎｄｓ　ｏｆ　ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｓｏｆｔｗａｒｅ　ｅｎｇｉ—　ｂｙ　ｔｈｅｍｓｅｌｖｅｓ．　ｎｅｅｒｉｎｇ　ｍｅｔｈｏｄｏｌｏｇｉｅｓ．