迈克尔·富兰克林
多智能体多团队环境复杂而繁琐。通常的做法是简化结构,为每个智能体使用单一策略,例如在群集或群体算法中。虽然这种类型的模拟环境可以提供在系统内工作的多个智能体,但它们的交互是单维的,并且它们的群体行为很少。相比之下,SiMAMT 是一种分层的、基于策略的方法,它提供由独立智能单个智能体实现的大规模、复杂的战略计划。这些智能体是独立的,因为它们有自己的天赋、技能、能力和行为,这些都会受到上层(例如团队)给它们的命令的影响。这些智能体可以都有自己的行为,或者几个智能体可能有类似的行为,或者整个团队可以共享一种行为,具体取决于场景。此外,SiMAMT 在各个层面都利用基于策略的行为,因此玩家会受到团队策略的影响,团队会受到单位策略的影响,单位会受到营策略的影响,等等。无论环境需要哪种层次结构——体育、军事、组织等,SiMAMT 系统都可以支持。模拟环境提供 3D 可视化环境,可以从整体角度和每个代理的第一人称视角查看模拟的进度。这种组合视图可以深入了解结构层次结构的每一层如何执行代理、团队、整体交互等。此外,它还提供了每个团队正在使用的策略、每个代理的行为以及两者重叠的总体视图。模拟还在模拟运行时提供统计数据,以传递观察、转换、最有可能的策略(SiMAMT 框架提供战略推断来确定环境中其他团队最有可能采用的策略)和整体模拟结果。总体而言,模拟的目标是让多智能体团队在互动时间内发挥战略性,同时进行战略推理以提高其绩效。SiMAMT 模拟实现了这一目标,这将在实验中得到证明。