基于混合斯塔尔贝格博弈与扩散拍卖的智能体 AI 任务卸载双层模型

智能体互联网（Internet of Agents，IoA）正快速成长，作为连接互相智能系统的基础架构，旨在实现海量人工智能（AI）智能体间的无缝发现、通信与协作推理。由大语言模型和视觉语言模型驱动的 IoA 能够发展出具有复杂合作能力的交互式理性智能体，远超传统孤立模型。IoA 包含物理实体，即具有有限 onboard 资源的无线智能体（Wireless Agents，WAs），它们需要将计算密集型 agentic AI 服务卸载至附近服务器。这些服务器可以是移动智能体（Mobile Agents，MAs），例如车辆智能体；也可是固定智能体（Fixed Agents，FAs），例如端侧单元智能体。鉴于其固定地理位置和稳定的连接性，FAs 可作为可靠的通信网关和任务聚合点，有效地协调并卸载至空中智能体（Aerial Agent，AA）层级——后者不受动态连接限制的高度移动 MAs 所无法承担的优势。因此，我们提出双层优化方法：第一层采用多领头多跟随者斯塔尔贝格博弈，其中 MAs 与 FAs 作为领头者设定资源价格，WAs 作为跟随者决定任务卸载比例。但当 FAs 负载过载时，仍可进一步将任务卸载至可用空中资源。于是第二层引入双德鲁斯拍卖模型，其中 overloaded FAs 作为买方请求资源，AA 作为卖方提供资源。我们随后开发了基于扩散深度强化学习算法的求解方法。数值实验表明，我们所提出的方案在促进任务卸载方面具有优势。