分布式人工智能

"分布式人工智能作为解决复杂学习和决策的方法，在处理大规模计算问题上有独特的优势，并在社会实践中应用广泛，像电子商务、交易行为、游戏、安防、机制选择等，背后均离不开它的支持。 《分布式人工智能》集结业界一流学者专家的研究经验智慧，全面阐述分布式人工智能领域的各层次问题，使读者能对本领域有系统的认识，并阐述了前沿的话题，帮助读者深入理解分布式人工智能的未来趋势。 《分布式人工智能》目前国内本领域V一的著作，既可作为相关从业者的案头参考，也可作为入门者起步的学习手册。"

全书可分为五大部分，阐述了分布式人工智能的基础知识以及相关进展，包括分布式人工智能简介、分布式规划与优化、多智能体博弈、多智能体学习和分布式人工智能应用。除此之外，由于本领域尚处于蓬勃发展阶段，相关技术与应用层出不穷，因此书中还提供了研究者对于分布式人工智能发展的相关预测，主要集中在：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。本书适合相关领域的从业者学习，也适合作为本领域研究者的案头参考。

第一部分分布式人工智能简介
1概述
（安波，新加坡南洋理工大学）
1.1研究背景
1.1.1前深度学习时代
1.1.2深度学习时代
1.2主要研究领域
1.2.1算法博弈论
1.2.2分布式问题求解
1.2.3多智能体规划
1.2.4多智能体学习
1.2.5分布式机器学习
1.3相关应用
1.3.1足球
1.3.2安全博弈
1.3.3扑克和麻将
1.3.4视频游戏
1.4当前热点与挑战
1.4.1超大规模分布式人工智能系统
1.4.2分布式人工智能系统的鲁棒性和安全性
1.4.3分布式人工智能决策的可解释性
1.4.4将传统和深度学习的方法结合
参考文献
第二部分分布式规划与优化
2分布式规划
（吴锋，中国科技大学）
2.1研究背景
2.2分布式规划的决策模型
2.3分布式规划的离线算法
2.3.1离线准确规划算法
2.3.2离线近似规划算法
2.4分布式规划的在线算法
2.4.1在线协调机制
2.4.2在线通信策略
2.5当前热点与挑战
参考文献
3分布式约束优化
（陈自郁，重庆大学）
3.1研究背景
3.2分布式约束优化问题
3.2.1约束网络
3.2.2基础概念
3.3求解算法分类
3.4完备求解算法
3.4.1基于搜索的完备求解算法：ADOPT
3.4.2基于推理的完备求解算法：DPOP
3.5非完备求解算法
3.5.1基于决策的局部搜索算法
3.5.2基于信念传播的推理算法：Max-sum
3.6基准测试问题和典型应用
3.6.1基准测试问题和评价指标
3.6.2典型应用
3.7当前热点与挑战
参考文献
第三部分多智能体博弈
4纳什均衡求解
（邓小铁，北京大学；刘正阳，北京理工大学）
4.1研究背景
4.2正规形式博弈
4.3纳什均衡与纳什定理
4.4二人博弈纳什均衡求解算法
4.4.1二人博弈的表示形式
4.4.2支持枚举算法
4.4.3Lemke-Howson算法
4.4.4Lipton-Markakis-Mehta算法
4.4.5三种算法的总结与对比
4.5纳什均衡的计算复杂性
4.6当前热点与挑战
参考文献
5机制设计
（沈蔚然，中国人民大学；唐平中，清华大学）
5.1研究背景
5.2什么是机制
5.2.1社会选择函数
5.2.2机制的实现与显示原理
5.3拍卖机制设计
5.3.1性质与设计目标
5.3.2社会福利优选化机制：VCG机制
5.3.3收益优选化机制：很优拍卖
……