“多智能体系统（MAS）利用机器学习使智能体具备自适应行为，使其能够动态响应环境的变化。这些系统的核心由多个相互作用的智能体组成，它们与彼此和周围环境互动，以完成任务或解决问题。通过采用机器学习技术，智能体能够从经验中学习，做出信息充分的决策，并随着时间的推移调整其策略。这种自适应能力在条件可能不可预测变化的环境中尤为重要，例如动态市场或复杂模拟场景。
将机器学习与MAS集成的一个方法是强化学习。在这种设置中，智能体在环境中采取行动，并以奖励或惩罚的形式获得反馈。例如，在一个控制送货无人机的MAS中，每架无人机可以通过强化学习来优化其航线。当无人机遇到延误或障碍时，它们会根据过去的经验学习最有效的路径，从而提高送货时间，同时最小化能源消耗。这种自我改进的特性使系统能够适应多种条件，如天气变化或交通模式。
另一种方法是使用监督学习在智能体之间共享知识。例如，在一个机器人足球队中，智能体可以从其他智能体的表现数据中学习以改善自己的战术。如果一台机器人成功地绕过了对手，其他机器人可以分析该行为，并相应地调整自己的策略。通过依赖共享的学习经验，MAS可以促进合作行为，从而最终提高整体团队表现。这种合作与个体自适应的结合，促使系统内的智能体能够基于实时发展做出更智能的行动，从而提供更为稳健的解决方案。”