智能制造和工业互联网技术的发展呈现出一些新的特点，如资源控制的无处不在，如集成模式和粒度服务/微服务，如智能计算的边缘化。这些新特性促进了多智能体技术的发展。
虽然没有严谨的学术搜索。但是在2000年左右，我看到了我的基于多智能体调度技术的博士论文。后来在自动化领域，我们看到了无人机蜂群协同控制、多体动力学等方面的相关技术发展和案例。所以我感觉各个领域都在助推agent技术的发展。
(agent操作的内核：行为事件驱动。
说到agent操作的内核，还得从agent的交互方式说起。Agent交互不能理解为简单的信息整合，它只是最终的传递形式。智能体应该是虚拟的软件体，能够基于行为模式识别做出独立的判断，然后与其他智能体进行协调和交互。这就是代理人被称为代理人的初衷。其核心是事件驱动。虽然事件驱动最终会体现在信息传递上，但事件比信息更有意义，是从信息应用目的的角度来描述的。
(2)多智能体操作的特点：合作规则
记得物联网刚出来的时候，有人提出互联网不是，而是X，这个X是指在物联网的背景下，每个物体都会发展成一个智能体，物体之间的交互不仅仅是两个之间的，每个智能体可以和其他任何功能交互，所以叫物联网X。
按照enCE技术文档的编写，多agentss之间的交互实际上就是定义协作与合作的规则，agent之间的行为交互方式或交互模式。这方面可以借鉴生物界的各种生态模式，比如蚂蚁之间的合作，鱼群之间的合作，鸟类之间的合作，人类社会的各种形态。事实上，它们可以转化为一些可用的规则来支持多智能体之间的合作。其实只要看看现在提出的各种智能优化算法或者元启发式算法，就基本可以讨论它们在it中的应用了。
总觉得多智能体之间的合作方式多种多样。随着技术的发展，会出现大量所谓的智能合作模式或算法，但说实话，可以预见的是，并没有太多新的想法。
(3)多智能体操作场景1:适应性协同生产组织
比如对于一个车间，车间内所有的制造要素资源都可以虚拟成一个agent，比如机床agent、工具agent等等。也可以添加一些与实际制造要素资源不对应的代理，比如订单代理，比如带有仲裁属性的代理。
这种操作就是代理之间的合作，这种合作是以自适应的方式进行的，这样就可以和机床协商订单，决定用哪台机床进行生产。
(4)多智能体操作场景2:适应性协同过程组织
就像上面说的工业APP行动，不管这些工业APP的规模有多大，这些工业APP也是需要整合的。这种整合不能仅仅是服务或者微服务，而应该是以多代理的方式进行整合，形成这些行业app之间的协同模式。对于各软件实体的多agent来说，这种模型将更多地体现为自适应的协同过程组织。
面对这种自适应的协同流程组织，工业APP的粒度越小，组织的灵活性就越大。每个软件代理都有自己的处理和决策功能，更重要的是可以相互协商，实现自动握手合作。
其实我隐约感觉现在提到的一些工业互联网平台应该在这方面有一定的想象空间，但是我感觉这些平台和一些基础设施一样，应该有非常庞大复杂的功能，能实现什么还不清楚。
(5)多智能体操作要克服的缺点：见树不见林。
我们现在正在建立一个信息系统，这实际上是一种集中管理和控制的方法。通过预设的流程连接关系划分各个功能模块，并限定功能之间的流程交接约束。
而在多代理模式下，每个代理都有很大的自治性或独立性，整个系统的运行是通过代理之间的协商动态实现的。
就像一个社会，有很多人。如果每个人都按照自己利益的最大化来决定自己的行为，就像现在提出的一些智能优化算法一样，很可能会陷入局部最优，而无法实现全局的追求。于是，出现了只见树木不见森林的现象，这是意料之外的现象。
因此，笔者一直觉得，如何形成一个完善的生态组织模式或理想的合作模式，既能保持主体间自由协商的柔性优势，又能与整体综合优化目标相融合，是多主体运筹学研究的核心重点，必须给予足够的重视。但是学术上有必要进行大量这方面的基础研究吗？