هدف این درس آشنا نمودن دانشجویان با مفاهیم و اصول طراحی سامانه‌های چندعاملی و مکانیزم‌های متداول در این حوزه برای درک عامل‌ها از یک‌دیگر و چگونگی ارتباط و همکاری عامل‌ها باهم در چنین سامانه‌هایی است. همچنین، مطالعه الگوریتم‌ها و رویکردهای برنامه‌ریزی و تخصیص وظیفه چندعاملی و هوش جمعی از اهداف این درس است.

1. مقدمه: معرفی عامل و خودمختاری؛ سیستم‌های چندعاملی تعاونی و رقابتی؛ سیستم‌های توزیع‌شده، متمرکز و غیرمتمرکز
2. برقراری ارتباط: کنش گفتاری، زبان‌های ارتباطی میان عامل‌ها (KQML، FIPA-ACL، JADE و غیره)
3. همکاری بین عامل‌ها: حل مسئله تعاونی توزیع‌شده، اشتراک‌گذاری وظیقه و نتیجه، مدیریت ناسازگاری‌ها، روش‌های ایجاد هماهنگی، برنامه‌ریزی چندعاملی
4. تعامل چندعاملی: سودمندی و اولویت، مفهوم و ویژگی‌های راه‌حل، تعامل تعاونی و رقابتی و جمع-صفر، شکل‌گیری همکاری: دوراهی زندانی، و غیره
5. تصمیم‌گیری گروهی: توابع رفاه و انتخاب اجتماعی، فرایند رای‌گیری، خواص مطلوب رای‌گیری، استراتژی دستکاری راهبردی، مذاکره
6. تشکیل ائتلاف: بازی‌های تعاونی، چالش‌های محاسباتی و بازنمایی، بازنمایی ماژولار، بازنمایی بازی‌های ساده، بازی‌های ائتلافی هدف‌دار، ایجاد ساختار ائتلاف
7. تخصیص منابع: طبقه‌بندی انواع مزایده، مزایده برای یک منبع، مزایده‌های ترکیبی، تعیین برنده
8. یادگیری تقویتی چندعاملی (MARL) در بازی‌ها: فرایند عمومی یادگیری، انواع همگرایی، چالش‌ها و انواع الگوریتم‌های عامل
9. الگوریتم‌های پایه MARL: یادگیری عمل مشترک (یادگیری Q کمینه‌-بیشینه، یادگیری Q نش، یادگیری Q همبسته)، مدل‌سازی عامل، یادگیری مبتنی بر سیاست
10. اشاره مختصری بر روش‌های مبتنی بر یادگیری عمیق در MARL

• تمرین‌ها و پروژه: ۳۰ درصد نمره
• آزمون‌های میان‌ترم و پایانی: ۵۰ درصد نمره
• پروژه پژوهشی: ۲۰ درصد نمره