多智能体系统是从 AI 借来的概念。这几乎就像一个虚拟世界，您可以在其中拥有能够观察、交流和反应的代理。举个例子，你可能有一个内存分配代理，你必须请求内存，它决定是否给你。或者您可能有一个代理来监视 Web 服务器并在它挂起时重新启动它。多智能体系统背后的主要目标是在系统的不同部分之间建立一个更像 Smalltalk 的通信系统，以便让所有东西协同工作，而不是来自中央程序的更多自上而下的指令。

多智能体计算有几个关键方面，分布和独立性在其中。

多代理不必在不同的机器上，正如@Kyle 所说，它们可以是单个芯片或机器上的多个进程，但它们的行为没有明确的集中指导。他们可能会协同行动，因此他们有一定的同步规则——例如，在聚在一起比较结果之前分别完成他们的工作。

一般来说，虽然分割成单独的代理背后的原因是允许不同的优先级来指导每个代理的行动和反应。也许使用经济模型来划分公共资源，或者因为不同的功能在物理上是分开的，所以不需要彼此紧密交互。

<强>

很难说什么是多智能体计算，因为智能体的定义通常非常软，被标记术语等包围。我将根据研究尝试解释它是什么以及它可以在哪里使用制造系统，这是我熟悉的领域。

现代制造业的“未解决”问题之一是调度。当问题的定义是静态的时，可以找到最佳解决方案，但在现实中，人们不上班，制造资源失败，计算机失败等。需求一直在变化，需要不同的产品（即产品的大规模定制——一辆生产的汽车有空调，下一辆没有……）。这一切都导致以下结论：a) 制造非常复杂，b) 静态方法，例如提前一周安排，是行不通的。所以这个想法是这样的：我们为什么不让智能程序代表系统的一部分，自己解决这个烂摊子呢？这些程序称为代理。他们应该相互沟通和协商，并确保任务按时完成。通过使用代理，我们希望降低控制系统的复杂性，使其更易于管理，实现更好的人机交互，使其更健壮且不易出错，非常重要的是：使控制系统分散。

简而言之：代理只是一个概念，但他们是每个人都能直观理解的概念。代码仍然需要编写，但它的编写方式不同，比 OOP 更高一个抽象。

根据两位顶级多智能体研究人员 Jennings 和 Wooldridge 的说法，智能体是一种对其环境作出反应、主动和社交的对象。也就是说，代理是一种软件，它可以以适合其自身目标的方式实时对其环境做出反应。它是主动的，这意味着它不会总是等待被要求执行任务，如果它看到有机会做一些它认为对其目标有益的事情，它就会去做。并且它是社会性的，即它可以与其他代理进行通信，在实现自己的目标时不必做任何这些事情，但如果出现这种情况，它应该能够做到这些。因此，多智能体系统只是分布式系统中这些系统的集合，所有这些系统都可以通信并尝试执行自己的个人目标，通常会导致系统目标的整体实现。