摘要：在智能城市、智能电网、无人系统等前沿应用不断扩展的今天，多智能体系统（Multi-agent Systems, MAS）作为新一代智能协同的技术基础，正迎来前所未有的发展机遇。
在智能城市、智能电网、无人系统等前沿应用不断扩展的今天，多智能体系统（Multi-agent Systems, MAS）作为新一代智能协同的技术基础，正迎来前所未有的发展机遇。
在这些系统中，多个具备计算与通信能力的智能体需要在没有中心协调、通信受限的条件下实现任务协作、资源共享与一致性决策。这一过程的核心挑战之一，便是 分布式共识优化 问题。
近年来，分布式共识优化逐渐成为机器学习、运筹优化、群体智能等多个交叉领域的研究热点，聚焦如何在仅依赖本地信息和邻居通信的前提下，实现全局目标的优化与智能体之间的解一致性。
在这一背景下， 华南理工大学计算智能团队 围绕“多智能体共识与合作中的分布式进化计算”这一核心问题，持续开展系统研究，已取得一系列具有代表性的成果。相关研究不仅理论扎实、方法创新，更在多个现实场景中展现出显著应用潜力。
分布式进化计算的系统性探索与算法创新
系统综述：构建 EC 与 MAS 融合研究的理论蓝图
为梳理进化计算与多智能体系统交叉领域的发展脉络，团队在 IEEE / CAA Journal of Automatica Sinica 发表综述论文，系统总结了二者融合的主要研究方向与技术路径。
论文从两个维度出发：
此外，团队还提出了一个描述性框架，总结现有研究成果，并展望了未来在联邦学习、边缘计算等新兴技术背景下的融合潜力。
期刊信息：
IEEE / CAA Journal of Automatica Sinica（综述）, DOI: 10.1109/JAS.2025.125246
文章链接：
https://www.ieee-jas.net/article/doi/10.1109/JAS.2025.125246
多智能体粒子群优化算法 MASOIE：内外部学习机制助力协同优化
在分布式环境下，智能体之间的通信能力和信息共享受限，如何在这一限制下协同优化全局目标函数是重要挑战。
为此，团队提出 MASOIE（Multi-Agent Swarm Optimization With Adaptive Internal and External Learning）算法，创新性地引入了内部学习与外部学习机制 ，在保持系统一致性的同时提升整体优化性能。
算法还引入 外部学习惯性速度控制策略 ，在演化过程中自适应调整通信频率，提升了算法在收敛速度和通信效率上的平衡能力。
应用案例： 在无线传感器网络的多目标协同定位中，MASOIE 实现了高精度与高一致性的目标识别，充分展示其实用价值。
期刊信息：
IEEE Transactions on Evolutionary Computation, DOI: 10.1109/TEVC.2024.3380436
文章链接：
代码链接：
目标激励驱动的协同演化算法 MACPO：让“自私”节点协同起来
当系统中各个节点的局部目标函数存在矛盾时，如何实现合作优化？团队提出 MACPO（A Multiagent Co-Evolutionary Algorithm With Penalty-Based Objective）算法，核心思路是通过激励机制引导协作行为 。
MACPO 在设计上将优化过程拆分为两个阶段：
此外，算法设计了 冲突检测机制 与 共享变量协商机制（评估-竞争-共享） ， 提高了解的一致性与可控性。
实验显示，该方法在无梯度约束优化场景中能取得与集中式算法相当的效果，且适应分布式部署需求。
期刊信息：
IEEE Transactions on Systems, Man, and Cybernetics: Systems, DOI: 10.1109/TSMC.2024.3380389
文章链接：
https://ieeexplore.ieee.org/abstract/document/10500484
步长自适应机制 CCSA：动态调整节奏，提升黑盒优化性能
在黑盒共识优化中，如何选择合适的步长策略至关重要。传统方法大多使用固定或单调递减的步长，难以适应复杂任务。为此，团队设计了一种具有 协作与累积特性的步长自适应机制（CCSA） ，构建了更灵活的搜索节奏调控方式。
实验结果表明，该算法在多个复杂函数测试中取得更优的收敛效果与系统一致性，展现出极强的黑盒优化能力。
期刊信息：
IEEE Transactions on Evolutionary Computation，DOI：10.1109/TEVC.2025.3525713
文章链接：
MASTER 算法：提升传感器网络下多目标协同定位精度
面对无线传感器网络中常见的 “ 无数据关联 ” 问题，团队提出 MASTER 算法（Multi-Agent Swarm with contribution-based collaboration） 。该方法将传感器间信息共享建模为双层优化问题，核心贡献包括：
期刊信息：
IEEE/CAA Journal of Automatica Sinica，DOI：10.1109/JAS.2025.125150
文章链接：
分布式黑盒共识优化竞赛：构建统一研究基准平台
华南理工大学计算智能团队于 CEC2024 组织并主导了 首届分布式黑盒共识优化竞赛 ，为分布式共识优化领域构建了 具有挑战性与实际导向的测试平台 。竞赛模拟多智能体在不同通信拓扑、目标函数异质性、冲突环境下的协同场景，吸引了众多研究团队参与，推动了算法性能与工程适配的共同进步。
竞赛信息与测试平台：
未来展望：从智能协同到智慧生态系统
分布式共识优化不仅是算法问题，更是智能系统协作能力的“中枢神经”。随着 IoT、自动驾驶、智能制造的深入发展，去中心、可扩展、高鲁棒的优化机制将成为 智能基础设施的刚需 。未来，该领域有望向以下方向持续拓展：
华南理工大学计算智能团队 将持续围绕“分布式智能优化”的核心命题，推进基础研究与应用落地的双轮驱动，欢迎来自不同领域的同行共同探讨与合作！
# 投 稿 通 道 #
让你的文字被更多人看到
如何才能让更多的优质内容以更短路径到达读者群体，缩短读者寻找优质内容的成本呢？ 答案就是：你不认识的人。
总有一些你不认识的人，知道你想知道的东西。PaperWeekly 或许可以成为一座桥梁，促使不同背景、不同方向的学者和学术灵感相互碰撞，迸发出更多的可能性。
PaperWeekly 鼓励高校实验室或个人，在我们的平台上分享各类优质内容，可以是 最新论文解读 ，也可以是 学术热点剖析 、 科研心得 或 竞赛经验讲解 等。我们的目的只有一个，让知识真正流动起来。
稿件基本要求：
• 文章确系个人 原创作品 ，未曾在公开渠道发表，如为其他平台已发表或待发表的文章，请明确标注
• 稿件建议以 markdown 格式撰写，文中配图以附件形式发送，要求图片清晰，无版权问题
• PaperWeekly 尊重原作者署名权，并将为每篇被采纳的原创首发稿件，提供 业内具有竞争力稿酬 ，具体依据文章阅读量和文章质量阶梯制结算
投稿通道：
• 投稿邮箱： hr@paperweekly.site
• 来稿请备注即时联系方式（微信），以便我们在稿件选用的第一时间联系作者
• pwbot02 ）快速投稿，备注：姓名-投稿
现在，在 「知乎」 也能找到我们了
来源：安博新高考