多智能体系统的范式起源与理论坐标

第 1 章 多智能体系统的范式起源与理论坐标

1.1 为什么必须把"智能"拆成多个自主单元

在 1980 年代中期之前，人工智能几乎默认采用单体（monolithic）范式：试图把某一领域内的全部知识、推理、规划能力压缩进一个具有显式内部结构的程序。MYCIN 处理细菌感染诊断，DENDRAL 处理有机化合物谱图解析，CADUCEUS 处理内科病理——这些系统在受限的玩具问题中之所以运转良好，恰恰因为它们所处的世界具有以下三个隐含特性：知识可以一次性枚举、环境的可观察变量闭合、推理路径不需要与人或其他系统协商。但只要进入开放、动态、规模化的真实场景，单体范式的四类瓶颈会同时显现。

第一类是知识获取瓶颈。一个单体系统要应对复杂任务，必须把领域知识、人际规则、应急预案、设备参数全部写入一个统一的本体或规则库。这种"全知"假设在实践中意味着三个失败模式：知识工程师的访谈能力成为系统上限；规则数量超过 5000 条后一致性维护成本指数级上升；跨领域知识无法被自然分区，必然互相污染。第二类是推理复杂度爆炸。即便知识已经齐备，集中式推理器面对的状态空间会随任务规模超线性增长，单个规划请求的计算时延在高峰期可能超过业务容忍上限。第三类是单点故障。当中央推理器宕机、推理队列阻塞或内部状态损坏时，整个系统失去决策能力——而真实工业场景几乎从不接受这种脆弱性。第四类是无法并行。单体智能通常只在单进程内调度任务，无法在地理、网络、权限三个维度上实现天然的并行化。

正是为了回应这一组结构性失败，分布式人工智能（Distributed Artificial Intelligence, DAI）在 1970 年代末期开始作为一个独立子领域出现。早期工作聚焦于分布式问题求解（Distributed Problem Solving, DPS），强调的是把一个原本由单一推理器完成的任务切割成多个子任务，分配给若干计算节点协同处理，焦点仍在任务层面而非"具有自主性的决策单元"层面。到了 1980 年代后期，研究者逐渐意识到，仅仅切割任务不足以描述真实场景中那些拥有不同目标、利益甚至相互冲突利益的实体——它们天然就应该是独立的决策者。这一认识推动了多智能体系统（Multi-Agent System, MAS）作为 DAI 下属子领域的成型，其代表性工作包括 Lesser、Corkill 等人关于分布式车辆监控与控制的研究（1983 年起的 DVMT 项目），以及 Gasser、Bradt 等人围绕并发计算的协调理论。

1990 年代是 MAS 的理论奠基期。Wooldridge、Jennings、Müller、Weiß 等人在智能体形式化定义、协商协议、博弈均衡分析三方面奠定了基本工具集；FIPA（Foundation for Intelligent Physical Agents）则试图在工程层面建立跨厂商互操作规范。2000 年代以后，随着 Web 服务、网格计算、云计算的兴起，MAS 与面向服务体系结构（SOA）经历了耦合与区隔的反复；2010 年代，强化学习与深度学习的爆发让 MARL（Multi-Agent Reinforcement Learning）成为独立分支，将"多体学习"从博弈论框架推向端到端神经网络的训练范式；2020 年以来，大语言模型为每一个智能体提供了前所未有的自然语言接口与社会推理能力，MAS 重新成为学术界和工业界共同关注的核心议题。

贯穿这段历史的根本动因可以归结为三条：第一，空间分割，实体本身在物理或组织上就是分布的，把集中调度器部署在云端往往意味着更高的通信开销和更大的失效半径；第二，责任分割，在异构环境中，每个局部节点都应该对自己能够感知的范围负责，而非把责任推给一个无法拥有完整信息的中央决策者；第三，演化分割，动态环境中角色与目标会随时间变化，多体结构允许新节点独立加入或退出，无需重建全局模型。这三条动因共同回答了本章开篇的根本问题——为什么需要把智能拆成多个自主单元——并直接对应了第 2 章将要讨论的角色分配与第 3 章将要讨论的任务分解问题。

1.2 智能体的形式化定义与最小完备属性集

当我们说"把智能拆成多个自主单元"时，必须先精确界定"智能体"究竟是什么。这一定义不能停留在直觉层面，否则我们将无法划清 MAS 与对象、专家系统、微服务、机器人集群等相邻概念之间的边界。

Wooldridge 与 Jennings 在 1995 年发表于 *Autonomous Agents and Multi-Agent Systems* 创刊号上的论文给出了被引用最广的形式化定义。一个位于环境 $E$ 中的智能体可以视为从感知历史到动作的函数映射 $f: \mathcal{S}^* \rightarrow \mathcal{A}$，其中 $\mathcal{S}$ 是感知序列，$\mathcal{A}$ 是动作集合。这个函数本身是"自主"的，意味着它无需外部干预即可作用于自身行为与内部状态。然而这只刻画了智能体的外在行为。为使一个系统具备"智能体资格（agenthood）"，研究者普遍认同其至少需要满足下列四个最小完备属性：

自主性（Autonomy）。智能体的行为应当由其内部状态与目标驱动，而非由外部命令直接决定。需要注意，自主性并不等同于"完全离线运行"，而是强调控制权的归属：宏观决策由智能体自身做出，即使其内部使用了某个远程模型（例如大语言模型 API），只要控制权在本地，就仍然满足自主性。这一属性是 MAS 与传统远程过程调用（RPC）系统最重要的区分点。

反应性（Reactivity）。智能体必须在合理时间内感知并响应环境变化。一个长时间不响应输入的系统无论内部多么复杂都不能算作智能体，最多只能算作离线分析器。反应性的关键不在于响应速度的绝对值，而在于响应时延与业务可容忍窗口之间的匹配关系。例如，自动驾驶系统需要 50 毫秒级反应，而企业排产系统可能容忍分钟级反应。

主动性（Proactivity）。智能体不能仅响应外部事件，还必须主动发起目标导向的行为。譬如一个仓储机器人不应只在收到拣货指令时才动作，它应主动监测库存水位、预判潜在缺货、提前申请补货。这一属性将智能体与纯粹的反射式控制器（reactive controller）划清了界限。

社会性（Social Ability）。智能体必须能够通过某种通信语言与其他智能体或人类交互。MAS 的"多"正是通过这一属性得以成立——如果每个单元都没有互相通信与协调能力，那么再多单元也无法形成系统。社会性的实现既可以是显式的（消息传递、合同网协议、FIPA-ACL），也可以是隐式的（环境作为中介、信号传递博弈中的代价观测）。

这四个属性构成 MAS 理论的"最小完备属性集"——满足它们即可被纳入研究范畴，但并不保证系统具有足够的能力完成实际任务。后续章节会介绍更丰富的次级属性，如理性（rationality）、诚实性（veracity）、善意性（benevolence）等，这些是在工程落地时用于简化协议假设的补充约束。

边界辨析。把这一定义与若干相邻概念并列，可以更清楚地看到 MAS 的独特性。

与对象的差异。面向对象编程中的对象具有封装、继承、多态等特性，但对象的方法调用是被动的——若不显式调用，对象不会产生任何主动行为；其状态变更也完全由外部触发。智能体则可以主动发起行为，自主选择响应策略。一个 `OrderProcessor` 对象依赖 `OrderQueue.push(order)` 才会触发处理逻辑；一个 `OrderAgent` 即使没有收到订单，也可以主动去检索上游通道、协商资源。这种从被动到主动的跃迁，正是 MAS 能够处理开放环境的关键。

与专家系统的差异。经典专家系统（如 MYCIN、XCON）通常单一用户、单一进程、无物理或网络感知能力，它的所有输入都来自人类中介。即使是 BB1（黑板系统的早期形态）或其后继 PANTRY 在系统层面引入了多个知识源，它们也不是自治的——它们由一个调度器统一协调，并不具有"自我目标"。而 MAS 中的每一个单元都有属于自己的目标函数集，单元之间通过对齐、协商、博弈实现联合行为。

与微服务的差异。微服务架构强调按业务能力拆分、独立部署、API 契约化通信，这与 MAS 在表面上高度相似——都是"多个独立单元通过消息协作"。但二者关心的核心粒度不同：微服务关心的是部署与运维粒度，关注伸缩性、容错、可观测性；MAS 关心的是决策粒度，关注的是每个单元如何在自治目标与全局约束之间权衡。一个订单服务的实例既可以作为微服务被部署，也可以作为订单 agent 参与协商协议——但前者的"决策"是路由与限流，而后者的"决策"是定价、订单拼单、风险评估，二者属于不同抽象层次。在实际系统中，二者经常共存：微服务提供基础设施，agent 提供认知层。

与机器人集群的差异。机器人集群（robot swarm）属于 MAS 的一个物理子类，但二者不完全等价。机器人集群通常强调空间的物质分散、本地感知、近邻通信、群体涌现（如蚁群、鸟群、蜂群），其通信多通过环境中介（信息素、视觉、振动）实现而非显式消息协议；而 MAS 是一个更广泛的概念，可以容纳云端软件 agent、人机混合 agent、混合信号/符号通信的系统。在第 11 章将讨论物理 MAS 时，二者的重叠会更明显，但在本章只需要理解机器人集群是 MAS 的一个物理实例而非全部。

这套边界划分并不是为了把概念人为切碎，而是为了让工程师在面对"我是否需要 MAS"这一问题时有一个判别准则。后续 1.5 节会给出可操作的清单。

1.3 MAS 的三大理论坐标

MAS 之所以长期保持学术生命力，根本原因在于它站在三套独立成熟理论的交汇点上。理解这三个理论坐标及其张力，是后续章节讨论协议设计、机制设计、协议收敛性的必备前提。

1.3.1 坐标一：理性决策框架——Bounded Rationality

第一根支柱来自 Herbert Simon 1955 年提出的"有限理性（Bounded Rationality）"。Simon 观察到，任何真实决策者的信息处理能力、时间、注意力和计算资源都是有限的，因此追求全局最优（global optimum）既不现实也无必要，转而追求"令人满意（satisficing）"的局部解。在 MAS 语境下，这一观察被进一步具体化为三个问题：（1）每个 agent 只能感知其邻域内的局部信息；（2）每个 agent 的决策周期受实时性约束；（3）多个 agent 的局部决策叠加后可能与全局最优背道而驰。

Bounded rationality 为 MAS 提供了"理性 agent"的形式化起点。一个理性的 agent 会选择使其期望效用最大化的动作，前提是其对环境的认知模型与对其他 agent 行为的预测都接近真实。Müller 与 Raiffa 在 1986 年提出的"理性交互"假设进一步要求：在信息完备、所有 agent 都理性的前提下，群体应该达成 Pareto 最优均衡。但在真实系统中这一假设几乎从未完全满足，因为它要求"共同知识（common knowledge）"——即每个 agent 不仅知道自己理性，还知道其他 agent 知道自己理性，且这一认识无限递归。逻辑学家 Hintikka 与 Halpern 的研究表明，共同知识即便形式上可以写出来，其验证在分布式系统中也无法在有限时间内完成。这正是为什么 MAS 协议设计往往需要退而求其次，使用"暂定均衡（provisional equilibrium）"或"稳定状态（stable state）"代替"纳什均衡"作为收敛点。

Bounded rationality 视角的一个直接工程启示是：不要试图把所有智能集中到一个超级 agent，而要把决策权下沉到能够就近感知的单元。这条原则在第 4 章讨论角色分配时会再次出现。

1.3.2 坐标二：博弈论均衡——Nash 与 Correlated Equilibrium

第二根支柱来自博弈论。MAS 中多个 agent 同时决策、彼此影响、目标可能冲突的设定，与博弈论的标准研究对象高度契合。纳什均衡（Nash Equilibrium, NE）是最常被引用的解概念：在一个策略组合 $s^* = (s_1^*, \dots, s_n^*)$ 下，任何 agent 单方面偏离都不会获得更严格更高的收益。形式化地：

$$\forall i \in \mathcal{A}, \; \forall s_i \in S_i: \; u_i(s_i^*, s_{-i}^*) \geq u_i(s_i, s_{-i}^*)$$

其中 $u_i$ 是智能体 $i$ 的效用函数，$s_{-i}$ 是其他智能体的策略组合。NE 保证了系统的"自稳定"，但它的存在性依赖于均衡点数量与系统规模的极端不平衡——一个 10 agent 的议价博弈可能只有一个 NE，而一个 100 agent 的博弈可能指数多个，这给协议设计带来困惑。

当 MAS 中存在私有信息或需要利用外部随机性时，相关均衡（Correlated Equilibrium, CE）提供了更宽松的解概念。CE 允许 agent 根据公共信号（由某个虚拟"调度者"产生，现实中可以由区块链预言机或可信第三方提供）条件化其策略，其均衡集合严格大于 NE 集合。CE 的计算问题通常是线性规划（LP）求解，因此比 NE 更具工程可操作性。

博弈论坐标的一个重要副产品是机制设计（Mechanism Design）。其逆向求解逻辑为：先指定期望的社会结果，再设计规则与激励使每个理性 agent 自利行为恰好导向该结果。这一思路在拍卖、众包、市场设计中被广泛使用，也是第 7 章讨论协商协议的理论基础。然而机制设计在 MAS 中的应用也有边界：当 agent 数量极大、目标空间非凸、通信不完美时，机制的存在性与可计算性都难以保证。

1.3.3 坐标三：复杂系统涌现——Self-Organization

第三根支柱来自复杂系统科学。与博弈论强调显式策略不同，涌现视角关注的是：在没有中心控制的情况下，局部交互规则如何产生宏观秩序。典型代表包括蚁群算法（Ant Colony Optimization, ACO）中的信息素沉积与挥发规则、粒子群优化（PSO）中的个体跟随群体最优、萤火虫算法中的同步脉冲等。这些算法并不试图为每个 agent 找到均衡解，而是设计一组简单局部规则，使群体行为在统计意义下趋向目标。

Self-organization 的关键机制通常可以归纳为四种放大器：正反馈（强化有用行为）、负反馈（抑制过拟合行为）、随机性（扰动以避免局部最优）、多稳定性（多种吸引子的可能）。Bonabeau、Meyer 等人在 *Swarm Intelligence*（2001）中给出了系统的总结。在工程 MAS 中，这种思路对应的是"无协调协议的多体系统"——比如多机器人编队中的分布式排序（consensus）、传感器网络中的去中心化信号聚合、社交网络上的标签传递。

涌现坐标的优势是鲁棒性与可扩展性：单点失效不会摧毁系统，新节点可以无缝加入。代价是可预测性差，调试困难，且设计师往往需要通过统计实验而非逻辑证明来验证行为。这与博弈论坐标形成了鲜明对照，也为第 5 章关于"可证明 vs 可验证"的方法论差异埋下伏笔。

1.3.4 三个坐标之间的张力

这三根坐标不是替代关系，而是 MAS 理论在不同分析层次上的不同面孔。理性决策框架关注个体—给定信息结构下的最优响应；博弈均衡关注群体—在策略博弈下的稳定结果；涌现关注宏观—在无中心规则下的统计规律。理解张力的一个实用框架是视角切换：设计阶段的工程师像博弈论者一样推导均衡；运行阶段的运维人员像复杂系统科学家一样观察涌现；建模阶段的算法研究人员像有限理性研究者一样处理信息约束。

实际操作中，绝大多数工业 MAS 系统会同时利用这三根坐标：用博弈论协议处理关键的协商环节；用局部涌现机制处理大规模的辅助任务（如路由、负载均衡）；用 Bounded Rationality 假设解释每个 agent 的决策不完美。这种混用既不是设计妥协，而是 MAS 复杂性的真实反映。后面的章节会反复回到这一观点，尤其是在讨论一致性、协调、声誉与学习时。

1.4 开场案例：分布式车辆调度的协作收益量化

理论坐标只有在落地案例中才能被读者真正"看见"。本节引入一个贯穿本章的物流调度案例，并通过它展示从单体智能向多体协作的范式跃迁能够带来哪些可量化的收益，以及 PEAS 框架如何在工程上落实。

场景描述。某区域型物流公司经营 50 座城市范围内的当日达与次日达订单业务，运营车辆约 200 辆，高峰时段每小时需要处理 400–500 笔新订单、200–300 笔已派订单的改派或异常处置，路网总节点超过 12000 个，路段数约 35000 条。每天 06:00 与 18:00 出现两个明显高峰，期间订单进入速率是平均水平的 4–5 倍；雨雪天气与突发道路管制会引入额外的不可预测扰动。这是一个典型的"分布决策、密集耦合、实时响应"场景。

单体/集中式方案的分析。在最初的设计中，公司采用单体 AI 调度器，由云端单个推理进程统一接收订单、查询路网、维护所有车辆状态、计算最优派单与路径。该方案的优势是逻辑集中、优化理论完备——理论上可以计算全网最优解。但在实际运营中暴露了三个关键缺陷：第一，响应延迟高。在 500 单/小时的峰值下，单次全局规划的计算时间从平均 0.4 秒上升到 4–6 秒，部分复杂场景甚至超过 15 秒，无法满足"接单 30 秒内确认"的客户承诺。第二，单点故障。中央推理进程一旦发生 GC、网络抖动或推理失败，全网调度中断，恢复时间从 30 秒到数分钟不等，期间订单累积造成下游车辆空跑与客户投诉。第三，扩展性差。每增加 50 辆车辆，全局规划的状态空间近似翻倍，无法通过简单堆机器解决。三种缺陷互相放大——延迟升高使更多订单进入"等待派单"队列，等待队列又拉长规划时间，进一步抬高延迟。

多智能体方案的设计要点。将范式转换为 MAS 后，调度被分解为三个层次的 agent：（1）订单 agent，每个新订单被封装为一个订单 agent，承载订单生命周期的全部状态；（2）车辆 agent，每个车辆（包括其司机）封装为一个车辆 agent，承载位置、油耗/电量、当前任务、可用时段等私有状态；（3）区域协调 agent，每一个 5×5 公里网格内驻留一个协调 agent，承担"轻量级"的多车协同、冲突检测与再分配。订单 agent 通过合同网协议（Contract Net Protocol, CNP）向附近车辆 agent 发出招标；车辆 agent 在内部基于当前任务饱和度与边机会成本评估投标；区域协调 agent 监听多笔中标的"碰撞"风险并