KDD（The ACM SIGKDD Conference on Knowledge Discovery and Data Mining）是數(shù)據(jù)挖掘與數(shù)據(jù)科學(xué)領(lǐng)域公認(rèn)的頂級(jí)國際學(xué)術(shù)會(huì)議之一，為中國計(jì)算機(jī)學(xué)會(huì)（CCF）推薦的A類會(huì)議。KDD 2026將于2026年8月9日至8月13日在韓國濟(jì)州島舉辦。本屆大會(huì)Research Track二輪有效投稿3252篇，接收率約為18.5%。

        交通調(diào)度、物流配送、應(yīng)急響應(yīng)，這些城市公共資源的高效分配，直接關(guān)乎數(shù)百萬市民的日常生活。然而在現(xiàn)實(shí)部署中，每個(gè)移動(dòng)單元不僅受制于有限的服務(wù)容量、能量預(yù)算與移動(dòng)速度，更面臨嚴(yán)苛的信息壁壘：感知成本與隱私法規(guī)使得智能體只能“看見”周邊鄰居，卻無從得知全局態(tài)勢(shì)。如何在“看不全、算不清”的條件下，讓多個(gè)智能體自發(fā)走向全局最優(yōu)？這是現(xiàn)有方法面臨的核心難題。

        本文提出PG-DyRA框架，將動(dòng)態(tài)資源分配問題建模為勢(shì)博弈。通過以邊際貢獻(xiàn)為核心設(shè)計(jì)個(gè)體效用函數(shù)，從理論上嚴(yán)格證明每個(gè)智能體獨(dú)立最大化自身效用，即可驅(qū)動(dòng)系統(tǒng)收斂至與全局最優(yōu)等價(jià)的納什均衡，解決了去中心化方法缺乏收斂保證的問題。

        為在局部可視條件下實(shí)現(xiàn)這一理論保證，PG-DyRA設(shè)計(jì)了雙分支意圖推理網(wǎng)絡(luò)，可見智能體分支借助軌跡注意力機(jī)制建模同伴行為，不可見智能體分支則通過時(shí)空需求殘差推斷全局容量分布。結(jié)合兩階段訓(xùn)練策略，系統(tǒng)無需任何智能體間通信即可完成高效協(xié)調(diào)。

        為驗(yàn)證PG-DyRA的有效性，在三個(gè)真實(shí)城市數(shù)據(jù)集（Happy Valley、NYCTaxi、DHRD-SE）及一個(gè)合成數(shù)據(jù)集SYN上開展了系統(tǒng)性實(shí)驗(yàn)，涵蓋主題公園人流量、城市交通與外賣物流等多類典型城市資源調(diào)度場(chǎng)景。實(shí)驗(yàn)采用任務(wù)覆蓋率（TCR）與能量消耗率（ECR）作為核心評(píng)價(jià)指標(biāo)。實(shí)驗(yàn)結(jié)果表明，PG-DyRA在所有數(shù)據(jù)集上均取得最優(yōu)表現(xiàn)。此外還進(jìn)行了消融實(shí)驗(yàn)、超參數(shù)實(shí)驗(yàn)等。PG-DyRA始終保持穩(wěn)定優(yōu)勢(shì)，且在資源受限場(chǎng)景下領(lǐng)先幅度進(jìn)一步擴(kuò)大，體現(xiàn)出邊際貢獻(xiàn)優(yōu)化機(jī)制對(duì)資源約束的天然適應(yīng)性。

        本研究提出了PG-DyRA框架，通過將動(dòng)態(tài)城市資源分配建模為勢(shì)博弈，以邊際貢獻(xiàn)為核心實(shí)現(xiàn)了個(gè)體效用與全局目標(biāo)的精確對(duì)齊。借助雙分支意圖推理網(wǎng)絡(luò)與兩階段訓(xùn)練策略，PG-DyRA在局部可視與無通信的嚴(yán)苛約束下，有效解決了可見與不可見智能體的意圖建模難題，在保證去中心化收斂性的同時(shí)顯著提升了任務(wù)覆蓋效率與能量利用水平，為物理約束與信息約束并存的城市公共資源智能調(diào)度提供了兼具理論保證與可行性的解決方案。