声誉黑板系统

黑板系统的动机源于一种流行观点，即将任务组视为头脑风暴小组，其中专家们将解决问题的有前景的想法写在中央黑板上。在此，我们研究了一个旨在解决密码算术谜题的黑板系统最小模型，其中提示匿名发布在公共显示器（标准黑板）上，或者与发布这些提示的智能体的声誉信息一起发布（声誉黑板）。我们发现，声誉黑板始终优于标准黑板，而标准黑板又始终优于独立搜索。搜索的计算代价（与找到谜题解所需的智能体更新总数成正比）的渐近分布，对于这三种搜索启发式方法均是指数分布。仅对于声誉黑板，我们发现平均计算代价对系统规模存在非平凡依赖，且在那种情况下，最优性能由单个智能体独自工作实现，这表明尽管与独立搜索相比，黑板组织能产生令人印象深刻的性能提升，但它对协作工作的支持并不好。