联盟是多智能体系统(MAS)中研究的一个重要问题,而合作是群体工作中最重要的组成部分。MAS在多Agent合作中着重专注于如何建立组织,形成联盟以及如何进行任务分配。组织和联盟是合作的基础,任务分配则体现合作关系。联盟形成是一个复杂的组合优化问题,使用传统方法寻找一个最优联盟时间复杂度较高,所以如何更高效地找到一个相对更好的联盟是值得深究的。联盟形成博弈是MAS中重要的合作模型,运用博弈论可以分析MAS中的博弈关系,尤其是Agent之间的合作问题。Agent通过形成联盟实现某个共同的目标,从而获得收益。基于博弈关系的MAS是博弈理论与人工智能交叉领域中多产的领域之一,所以研究促使Agent通过合作博弈形成联盟的原因及过程是十分有意义的。本文以基于联盟形成博弈的任务分配方法研究为背景,主要贡献和研究成果归纳如下:(1)由于某些任务的复杂性以及参与者能力或资源的有限性,导致在分配的过程中不可避免地要涉及参与者之间的合作,所以本文重点研究以联盟的方式形成完成任务的群组,并使用博弈理论来分析理性参与者之间的冲突与合作,其中重点分析了成员之间的合作博弈关系。介绍了本文的相关基础理论知识及相关工作,包括联盟机制的组成部分以及任务分配的相关工作研究。(2)考虑到Agent之间的约束,引入社会网络的概念分析Agent之间的行为交互。这种带结构的状态限制了联盟的个数,同时基于这种社交网络考虑参与成员之间的关系,也更加符合实际应用。提出了移动Agent联盟形成模型,具体介绍相应的CMA-CF机制以及算法中的联盟值求解,同时给出了联盟形成过程的偏好规则,最后对算法进行了性能仿真分析,并对比了与其他联盟形成方式在任务分配成本上的优劣。(3)考虑到提高资源的利用率,引入重叠联盟形成博弈的概念分析Agent之间的协调合作,并引入虚拟Agent降低重叠联盟形成过程的复杂性。同时,考虑到联盟伙伴间的关系会成为影响联盟形成的内部因素,研究其对联盟成员选择的影响是有意义的。在熟人之间形成战略联盟确有必要,这里,我们以协作度来衡量参与者之间的伙伴关系,并且协作度依据任务完成的质量不断动态更新,通过仿真实验验证了算法的有效性,实现了 Agent到任务的最佳映射。