集中式多智能体优化方案的对比解释

在许多现实场景中，智能体参与优化问题。由于多数场景存在过度约束，最优解并不总能满足所有智能体。部分智能体可能不满并提问“为何方案 $S$ 不满足属性 $P$？”。我们提出CMAoE，一种领域无关的方法，通过以下方式获得对比解释：(i) 生成新方案 $S^\prime$ 使属性 $P$ 成立，同时最小化 $S$ 与 $S^\prime$ 的差异；(ii) 针对多智能体系统目标函数的特征，突出两个方案间的差异。此类解释旨在帮助智能体理解为何初始方案在多智能体系统背景下优于其预期。我们进行了计算评估，表明CMAoE能为大型多智能体优化问题生成对比解释。我们还在四个不同领域开展了广泛的用户研究，表明：(i) 在呈现这些解释后，人类对原始方案的满意度提升；(ii) 人类偏好CMAoE生成的对比解释或与最先进方法生成的解释同等偏好。