资源分配是人类社会面临的一个长期问题,经济、政治和生存的压力要求我们用更少的资源完成更多的事情,并做得更公平。另一方面,多Agent资源分配近几年也成为了人工智能领域里的研究热点问题。许多相关的工作旨在设计具有执行效率的程序化资源分配制度,并从计算复杂性的角度分析智能Agent的策略性行为。一个“好”的分配方案往往须要兼顾经济效益与社会平等。在经济学中,大多数相关的研究侧重于在数学模型上探讨“好”的分配方案的存在性问题。在人工智能领域中,学者们更关心分配方案的计算效率问题。因此从计算效率、经济效益和社会公平这三个维度综合研究面向多个Agent的分配制度设计问题,是现代经济学和人工智能在其核心研究方向上交叉发展的趋势和挑战。如何设计一个满足计算效率、经济效益和社会平等的多Agent资源分配机制一直是经济学和人工智能领域研究的重点之一,我们的研究工作是依托在并行分配制度下展开的。该制度十分简单并对Agent的身份不敏感。在每一轮并行分配过程中,各Agent根据自己的偏好信息从剩余的物品中报告其最喜爱的一个。若某物品在同一轮中只被单个Agent报告,那么物品就分配给该Agent;否则由所有报告此物品的Agent抽签决定此物品的归属。本文的主要工作及研究成果如下:(1)进一步研究并行分配制度,提出了一种并行分配博弈树的构建方法,该方法可以构建出描绘整个分配过程的博弈树。同时还对博弈树做了相关研究,找出了博弈树总分枝数与被分配物品数的对应关系。(2)研究了在两个Agent信息完备的情况下分配物品的情形(即分配双方均知道对方Agent对物品的喜好),通过逆向归纳并行分配博弈树找出子博弈完美纳什均衡(SPNE)结果。同时也提供了直接通过双方偏序计算两个Agent拿取策略以达到子博弈完美纳什均衡的计算方法,且给出多项式算法并证明正确性和完备性。