多智能體技術及應用

《多智能體技術及應用》以蜂羣思維爲隱喻，揭示了分佈式智能時代的核心法則：局部簡單規則與全局複雜秩序的辯證統一。書中通過Netlogo構建的交通流、污染擴散等數字孿生實驗，生動詮釋了"幽靈堵車""馬太效應"等社會現象的湧現機制，其價值不僅在於技術實現，更在於爲複雜系統提供了可計算的認知框架。 作者深刻指出多智能體系統的三重悖論：自治與協同的張力、規則確定性與演化不確定性的矛盾、微觀理性與宏觀非理性的衝突。當蟻羣算法解決TSP問題時展現的"無序中的有序"，實則是自然智能對人類社會協作的隱喻——真正的突破不在於算法優化，而在於建立跨物種的信任契約。 本書最具前瞻性的洞見在於提出"系統智能"概念，將蜂擁行爲、謠言傳播等看似離散的現象，統一於基於智能體的社會動力學模型。這種範式或將重塑我們對智能的認知：當每個智能體都能像細胞般執行代價評估（如自動駕駛協商路權），機器文明才真正具備社會性基因。

與當下講的智能體沒什麼關聯，講的還是一些傳統算法模型。沒有什麼高價值內容。

介紹了智能體算法的基本知識，可以以此爲基礎，拓展學習👍

還是比較通俗的，適合入門。 我理解的智能體應用簡單概括就是：佈置場景、設定規則、agent大規模模擬、解決現實問題。 其中設定規則這一步很有意思。 自然規則：比較簡單，根據人類現在掌握的自然規律（生長、移動、消耗、死亡），就可以模擬出大多自然界的發展變化：糖域模型、氣候變化、城市污染等。 人爲規則：則需要靠對人類心理和行爲的深刻洞察。比如，作者做了個居住隔離模擬模型，試圖理解富人區和窮人區之所以涇渭分明，並非出於社會規劃，而是人類自然演化的結果。該智能體起初將不同人羣雜居，然後引入人羣相似度閾值，如果相似度閾值低，人就會搬家；如果高，就會繼續住着。 我覺得這個閾值的選擇很有意思。做到了數據降維，實質上簡化了人們做搬家決策的影響因素，更方便地理解和解決現實問題；但這又是一種過於樂觀和直接的指標，能不能搬家不僅僅涉及心理因素，還和客觀的經濟、地緣、人際情況等相關。 要是能自己上手操作就好了。接下來還可以讀一點更深度的書。