博弈论源于数学和经济学，为建模理性决策者之间的战略互动提供了严谨的框架[1]。其原理在多智能体系统（MASs）的背景下尤为重要，MASs模拟了蚂蚁群和鸟群等自然系统中的集体智能[2]、[3]。MASs致力于设计协作或竞争以实现共同目标的自主代理，为解决超出单个实体能力的复杂问题提供了强有力的范式。博弈论与MASs之间的协同作用不仅加深了我们对代理动态的理解，还推动了针对复杂环境的先进决策模型和算法的发展[4]。
在日益互联互通的世界中，建模和分析自主实体之间的战略互动变得至关重要。从在城市环境中导航的自动驾驶车辆到协调搜救任务的无人机，从智能电网中的资源分配到工业自动化中的群体机器人，实现决策实体之间的无缝协调需要深刻理解战略互动[5]、[6]、[7]、[8]。博弈论与MASs的结合为应对这些挑战提供了基础框架，使系统能够在动态和复杂的环境中独立做出最优决策并有效协作[9]、[10]、[11]、[12]。
尽管博弈论具有变革潜力，但在MASs中的实际应用仍面临重大挑战。随着代理数量的增加，计算复杂性呈指数级增长，特别是在大规模系统中[13]，这需要高效的算法来解决博弈论模型。信息不完全为决策带来了不确定性，引发了如何在此类条件下制定最优策略的关键问题[14]。此外，确保系统在动态变化环境中的稳定性仍然是一个紧迫的问题，需要强大的自适应解决方案[15]、[16]。然而，这些挑战也带来了创新的机会。分布式计算[17]、强化学习[18]和启发式优化的进展为解决计算复杂性和信息不完全问题提供了有希望的途径[19]。此外，开发新的协议和方法论可以提高系统的稳定性和可扩展性[20]、[21]、[22]。
本文系统地回顾了博弈论与MASs的结合，重点介绍了合作控制、合作引导、资源分配、路径优化、群体对抗以及搜索与捕获等关键应用场景。通过全面分析这些场景，我们展示了博弈论如何提供有效的策略和解决方案，从而提升MASs的性能和效率。本研究的主要贡献如下。
- (1)
本文系统回顾了博弈论和MASs的基本理论及应用。通过分析它们的核心概念、历史发展和分类，建立了对它们结合的全面理解。此外，探讨了博弈论元素与MASs之间的映射关系，强调了使用博弈论解决多智能体问题的方法和优势。
- (2)
研究了博弈论和MASs在合作控制、合作引导、资源分配、路径优化、群体对抗以及搜索与捕获等关键应用场景中展现的巨大潜力。通过案例研究和研究发现，本文说明了博弈论如何提升MASs在这些领域的性能。
- (3)
指出了博弈论在MASs中实际应用的主要挑战，如计算复杂性、信息不完全和系统稳定性。为此，提出了未来的研究方向，包括开发分布式算法、在不完全信息下的优化以及提高系统韧性。这些见解为推动该领域的发展提供了宝贵的指导。
本文的结构如下：第2节介绍博弈论，涵盖其基础、历史和分类；第3节讨论MASs，包括其发展、组成部分和架构；第4节探讨了博弈论在MASs中的结合，强调了关键关联；第5节探讨了博弈论在MASs中的应用场景；第6节指出了挑战和未来方向；第7节总结了主要发现，并强调了跨学科研究的重要性。
本综述采用了一种结合系统文献搜索和专家驱动的主题分析的方法论，以确保全面覆盖同时保持概念一致性。文献搜索涵盖了2000年至2025年的Scopus、Web of Science和IEEE Xplore三个主要数据库中的出版物。搜索查询使用了与博弈论概念、多智能体系统架构和航空航天应用相关的领域特定关键词的布尔组合。在去除重复项并应用包括同行评审期刊或会议以及博弈论模型与MAS实现明确结合的纳入标准后，选出了200多篇具有深入分析价值的文献。选择标准包括方法论创新、具有实验验证的航空航天和机器人应用以及基础理论贡献。为了补充数据库搜索并捕捉可能早于数字索引或使用替代术语的有影响力的早期作品，还对高引用论文和通过领域专家知识识别的关键参考文献进行了反向滚雪球搜索。
