多智能体的数学框架、理论算法和科学应用

本报告将系统阐述多智能体学习的理论基础与实际应用。首先构建多智能体学习的形式化数学框架，给出状态空间、动作空间、策略映射及价值函数的公理化定义。其次，在非线性期望框架下建立多智能体学习统计理论，提出策略大数定律与策略中心极限定理，为策略渐近最优性提供概率刻画。

第三，推导贝尔曼最优方程，搭建策略迭代与价值迭代的核心算法框架。此外，展示理论成果在数学优化与统计推断中的应用，并介绍其在国产芯片可靠性检测、网约车调度测试中的工程落地实例。

严晓东，西安交通大学教授，博士生导师，入选国家级青年人才项目和校内青拔A类支持计划，研究方向为智能体统计学习。荣获“华为火花奖”、“滴滴盖亚学者”。在PNAS、JRSSB、AOS、JASA、JOE、NeurIPS、ICML、AAAI等期刊会议发表学术成果，并出版《机器学习》《数据科学实践基础-基于R》等5部教材。