GAMMS：基于图的对抗性多智能体建模模拟器

随着智能系统与多智能体协作在现实应用中日益居于核心地位，对兼具可扩展性与易用性的仿真工具的需求不断增长。现有高保真模拟器虽然强大，但往往计算开销大，不适合快速原型开发或大规模智能体部署。我们提出GAMMS（基于图的对抗性多智能体建模模拟器），一个轻量且可扩展的仿真框架，旨在支持在可表示为图的环境中快速开发与评估智能体行为。GAMMS强调五个核心目标：可扩展性、易用性、集成优先架构、快速可视化反馈以及真实世界锚定。它能够高效模拟城市道路网络和通信系统等复杂领域，支持与外部工具（如机器学习库、规划求解器）集成，并以极少配置提供内置可视化。GAMMS对策略类型不设限制，支持启发式、基于优化和基于学习的智能体，包括使用大语言模型的智能体。通过降低研究人员的入门门槛并支持在标准硬件上进行高性能仿真，GAMMS促进了多智能体系统、自主规划与对抗建模领域的实验与创新。该框架开源，可在https://github.com/GAMMSim/GAMMS/获取。