资源受限多智能体系统中的混沌及其稳定化

《Chaos, Solitons & Fractals》：Chaos in resource-constrained multi-agent system and its stabilization

　　摘要
资源受限多智能体系统中的宏观不稳定性对分布式人工智能构成了关键挑战。与将这种波动归因于次优学习不同，我们揭示出确定性混沌是由不连续硬阈值交互协议驱动的内生拓扑属性。通过构建离散时间动力系统（DTDS），我们分析证明了稳定平衡点不存在；系统轨迹不可避免地会被一个吸引的类异宿网络捕获，这通过正的有限时间李雅普诺夫指数得到定量确认。关键的是，相空间投影揭示了“混沌轨迹迁移”，表明改变确定性交互协议仅仅将奇异吸引子转移到不同的智能体等级上，而不是解决系统性不稳定性。为了消除这种不稳定性，我们提出了一种随机平滑机制。由此产生的乘性随机扰动恢复了期望更新映射的连续性，为此我们证明了至少存在一个不动点。这种拓扑正则化充当内生的恒温器，平衡了相互竞争的动力学趋势。广泛的模拟证实，这种针对性的随机性诱导了完全的吸引子坍缩，使集体能够逃离“确定性陷阱”，并在全局稳定性和系统吞吐量方面实现显著的渐近收益。这项工作为竞争系统中将内生混沌转化为稳健的概率秩序提供了一种机制性方法。
引言
人工智能（AI）的快速发展推动了向去中心化自治系统的范式转变[1], [2], [3]。从机器人集群[4], [5]和分布式边缘计算网络[6], [7]到自动驾驶车队[8], [9]，大规模系统越来越多地由相互作用的智能体群体驱动。在这些环境中，智能体在严格容量约束下动态调整策略以竞争有限资源[10]。虽然经典多智能体学习理论常常预测会无缝收敛到最优静态均衡[11], [12], [13], [14]，但经验和理论观察揭示了一个更加动荡的现实。自优化智能体的集体行为常常诱发复杂的非平衡动力学，使系统陷入严重的宏观不稳定性[15], [16], [17], [18]。理解和控制这种内在不稳定性已成为人工智能、复杂网络理论和非线性动力学交叉领域中的一项重大挑战。
分析多智能体强化学习和分布式控制的主要方法严重依赖静态均衡假设[19], [20], [21]或连续梯度近似[22], [23], [24]。当面对实际部署中观察到的持续振荡和混沌动力学时，研究人员通常试图通过设计日益复杂的智能体端算法[25], [26], [27], [28], [29]来强制收敛，限制由此产生的低效率，或将不稳定性归因于智能体固有的“贪婪”[30]和次优学习率[31], [32], [33]。然而，通过仅关注个体智能，这种纯粹的智能体中心范式使智能体与其竞争的物理限制脱节，将资源受限的交互环境视为被动的黑箱，忽视了环境自身的结构属性如何主动驱动宏观不稳定性。因此，这种忽视造成了一个根本性空白：目前缺乏一种机制性诊断来解释为什么理性智能体不可避免地陷入混沌陷阱，以及缺乏一种轻量级、通用的控制协议来恢复全局稳定性而无需彻底改造智能体的内部智能。
为弥合这一空白，本文提出了一项结合机制性诊断与拓扑干预的系统研究。我们首先引入离散时间动力系统（DTDS）作为揭示多智能体不稳定性结构起源的最小抽象模型。通过从黑箱环境过渡到白箱动力学映射，我们为内生混沌的出现提供了原理性解释，并提出了一种通用的随机平滑机制来恢复期望动力学的连续性，如图1所示。本研究的主要贡献总结如下：
• 动力学诊断：我们构建DTDS以证明确定性混沌如何在资源受限环境中由不连续交互内在产生。我们通过证明不存在稳定不动点并识别出类异宿网络的出现来理论表征这种不稳定性，这些发现由严格正的李雅普诺夫指数和空间填充奇异吸引子定量佐证。
• 拓扑正则化：我们提出一种轻量级随机平滑机制，将不连续的“全有或全无”激活转化为连续可调的响应函数。我们证明这种正则化恢复了期望更新映射的连续性，并保证至少存在一个不动点。数值结果表明，由此产生的“随机恒温器”维持了概率稳态并抑制了非周期游走。
• 宏观表征：通过广泛的集成模拟，我们将理论动力学映射到宏观行为。我们的分析表明，所提出的控制诱导了完全的吸引子坍缩，将复杂的混沌流形转化为稳定点吸引子。我们进一步发现了混沌轨迹迁移现象，并证明该机制驱动系统状态的渐近细化，使集体能够打破“确定性陷阱”，并在稳定化速率方面实现显著的渐近增益。
本文其余部分结构如下：第2节对系统进行建模并诊断其内生混沌；第3节建立随机控制机制并分析期望动力学的不动点；第4节呈现数值实验；第5节总结全文。
章节片段
模型定义与交互逻辑
我们构建一个捕捉资源受限多智能体竞争本质的最小DTDS。系统由四个核心要素表征：相互作用的智能体群体、一组共享资源通道、一个中央协调器（聚合器）以及一个主导交互协议。
(1) 交互智能体（动力学节点）：系统由??个自治智能体组成的群体，记为?={1,…,??}。每个智能体??∈?由状态元组(????,????,????)表征。这里，????=(????1,…,??????
稳定化机制
通过随机平滑实现稳定化
我们提出一种控制机制，旨在解决混沌的拓扑根源，即阈值切换规则的非平滑性，从而将系统导向随机均衡。
数值结果与动力学分析
本节对提出的DTDS进行数值验证，从典型的双智能体交互推进到高维异构网络。我们的分析结构如下：（RQ1）在最小耦合设置中定量验证内生混沌的出现及其随后坍缩为稳定吸引子；（RQ2）研究高维异构环境中混沌轨迹的标度行为和控制鲁棒性；（RQ3）确定是否
结论
本工作表明，确定性混沌是受非光滑交互协议支配的资源受限多智能体系统的固有拓扑特征。通过DTDS模型，我们将这种不稳定性诊断为类异宿网络内的结构性陷阱，并揭示了混沌轨迹迁移现象，即改变确定性规则仅仅重新分配跨智能体等级的不稳定性。为了恢复秩序，我们提出了一种随机平滑机制，该机制
CRediT作者贡献声明
Heng Song：初稿撰写、方法论、形式分析、数据管理、概念化。Junhao Zhu：可视化、验证、调查、数据管理。Chunbiao Li：审阅与编辑、监督、方法论、资金获取。
利益冲突声明
作者声明，他们不存在可能影响本论文所报告工作的已知竞争性经济利益或个人关系。
致谢
本工作部分受中国国家自然科学基金（No. 62371242）和扬州大学博士后研究启动基金（No. 5013/137071287）资助。
Heng Song|Junhao Zhu|Chunbiao Li