前言

分布式人工智能初创于20世纪70年代，是一个快速发展的研究领域。在过去的二十年内，它从分布式规划和优化到智能体之间的竞争和合作学习，以及在现实世界中的应用，都取得了令人欣喜的进展。有很多优秀的学者在从事这个领域的研究，AAMAS会议[1]也成为人工智能领域的顶级会议。

这二十年的发展可大致分为两个阶段，其中前十年研究者主要关注的是分布式规划和优化，以及拍卖和博弈均衡的求解；而后十年，随着深度学习的兴起，分布式人工智能转向智能体的学习方面，其中包括单智能体和多智能体的强化学习，以及基于模型的强化学习。其中最为人们所熟知的进展是2016年DeepMind的研究者开发出的AlphaGo程序击败了人类棋手，2017年卡耐基梅隆大学的Tuomas Sandholm教授团队开发的Libratus在二人无限下注的德州扑克上打败人类职业玩家，以及2019年（仍旧是）DeepMind的研究者开发出的AlphaStar在星际争霸II游戏中打败职业人类玩家。这一类复杂问题的成功解决，鼓舞着分布式人工智能领域的研究者，也使得该领域的研究获得了长足的进展。我们相信一本能够涵盖该领域相关重要进展的书籍将会对研究者大有裨益。

在本书中，我们从五个方面介绍分布式人工智能的基础知识以及相关进展，分别是：第一部分，分布式人工智能简介，其中包含第1章概述，该部分重点回顾了分布式人工智能的发展历程，并对现存的研究挑战和研究热点做了总览；第二部分，分布式规划与优化，其中包含第2章分布式规划和第3章分布式约束优化，该部分主要阐述利用经典方法如混合整数线性规划和搜索方法进行的分布式规划和优化；第三部分，多智能体博弈，其中包含第4章纳什均衡求解、第5章机制设计、第6章合作博弈与社会选择，以及第7章博弈学习，该部分针对多智能体之间的竞争，涵盖了包括传统优化和学习方法在内的均衡求解和机制设计；第四部分，多智能体学习，其中包含第8章单智能体强化学习、第9章基于模型的强化学习、第10章多智能体合作学习、第11章多智能体竞争学习，该部分主要关注单智能体和多智能体之间的强化学习，尤其是深度强化学习方法；最后是第五部分，分布式人工智能应用，其中包含第12章安全博弈和第13章社交网络中的机制设计。

分布式人工智能领域仍然处在蓬勃发展中，相关的技术和应用层出不穷。我们在书中也提供了研究者对于分布式人工智能发展的相关预测，集中在：第一，更复杂和更大规模的分布式人工智能问题的研究和解决；第二，分布式人工智能的安全性、鲁棒性和泛化性，这将极大地促进人们对于分布式人工智能问题的理解；第三，分布式人工智能的可解释性，这将使得人类能够理解算法的决策，为分布式人工智能的落地减少障碍。

在选择书中内容的时候，我们尽可能涵盖分布式人工智能的各个方面，并得到了相关领域研究者的大力协助。我们希望在为初学者提供一个全面的领域介绍的同时，也能为研究者提供一本可供查阅的工具书。

我们感谢所有章节作者的付出以及电子工业出版社刘皎老师为本书出版所做的努力！

---

[1] 智能体及多智能体系统国际会议（International Joint Conference on Autonomous Agents and Multi-Agent Systems，AAMAS）