联盟生成
Parent: ai_keywords
核心定义
联盟生成（Coalition Formation）指在由多个独立单元构成的系统中，通过特定机制将部分单元动态组合为临时性功能联盟的过程。在人工智能领域，它常用博弈论（如 Shapley 值、核仁解）或强化学习算法实现多智能体协作收益最大化；在计算神经科学中，则指神经元群或脑区之间通过同步放电/功能连接形成短暂的功能性集群，以支撑感知、运动或认知任务。联盟生成的本质是“涌现式协同”——个体间的局部交互产生全局性的高效组合。
关键技术点
- 博弈论分配机制：利用 Shapley 值或 Banzhaf 指数公平评估每个成员对联盟的贡献，避免“搭便车”问题，常用于多智能体任务分配与奖励分解。
- 动态聚类与图分割：基于神经信号的时空相关性（如相位同步、互信息），使用图论社区检测或非参数贝叶斯方法，实时识别出活跃的神经元联盟。
- 多智能体强化学习（MARL）：在智能体无法预知全局信息时，通过集中式训练-分布式执行（CTDE）或通信协议，让智能体自主学会何时加入/退出联盟以最大化长期累积回报。
- 可解释性分析：通过扰动或消融实验，将联盟内部成员的协同模式转化为可解释的特征，帮助理解系统行为或神经编码机理。
医学/神经科学应用场景
癫痫发作的致病性神经元联盟识别
在药物难治性癫痫患者中，发作期颅内脑电图（iEEG）常显示多个脑区出现异常同步放电。借鉴联盟生成框架，研究团队（如首都医科大学附属北京天坛医院神经外科）可对植入电极的局部场电位进行实时图论分析，提取出在发作起始和传播过程中不断演化的“致病性神经元联盟”。具体方法：先计算各电极间的相位锁值，构建动态加权网络；然后使用改进的博弈论协作指标（如 Shapley 值）量化每个电极对联盟同步程度的边际贡献，从而定位关键的致痫区。该联盟生成的时空轨迹可引导精准射频热凝或手术切除范围，相比传统视觉判读显著提高了致痫灶的定位精度（可达毫米级），并为闭环神经调控系统提供实时反馈信号——当检测到异常联盟形成时，立即触发刺激以阻断发作。
