多智能体系统设计中系统级信息的重要性：基数与覆盖问题

多智能体系统中的一个基本挑战是设计局部控制算法以确保期望的集体行为。智能体通过通信或感知收集到的可用信息自然限制了可实现的性能。因此，识别哪些信息是有价值的并可被利用来设计具有增强性能保证的控制律是至关重要的。本文研究了一类称为覆盖问题的次模资源分配问题中，当此类信息不确定或不可访问的情况。在工作的第一部分，我们精确定位了系统操作者在将控制设计建立在有价值但不确定的信息（我们称之为基数(cardinality)，它表示能够同时选择任意给定资源的最大智能体数量）时所面临的基本的风险-回报权衡。基于该分析，我们提出了一种分布式算法，使智能体能够学习基数并随时间调整其行为。该算法被证明与已知精确基数先验时获得的最优设计性能相当或更优。