Team formation (TF) faces the problem of defining teams of agents able to accomplish a set of tasks. Resilience on TF problems aims to provide robustness and adaptability to unforeseen events involving agent deletion. However, agents are unaware of the inherent social welfare in these teams. This article tackles the problem of how teams can minimise their effort in terms of organisation and communication considering these dynamics. Our main contribution is twofold: first, we introduce the Stabilisable Team Formation (STF) as a generalisation of current resilient TF model, where a team is stabilisable if it possesses and preserves its inter-agent organisation from a graph-based perspective. Second, our experiments show that stabilisability is able to reduce the exponential execution time in several units of magnitude with the most restrictive configurations, proving that communication effort in subsequent task allocation problems are relaxed compared with current resilient teams. To do so, we developed SBB-ST, a branch-and-bound algorithm based on Distributed Constrained Optimisation Problems (DCOP) to compute teams. Results evidence that STF improves their predecessors, extends the resilience to subsequent task allocation problems represented as DCOP, and evidence how Stabilisability contributes to resilient TF problems by anticipating decisions for saving resources and minimising the effort on team organisation in dynamic scenarios.

中文翻译：

---

用于任务分配的具有稳定代理网络的弹性团队形成

团队形成 (TF) 面临定义能够完成一组任务的代理团队的问题。TF 问题的弹性旨在为涉及代理删除的不可预见事件提供鲁棒性和适应性。然而，代理人并没有意识到这些团队中固有的社会福利。本文解决了团队如何在考虑这些动态的情况下最大限度地减少组织和沟通方面的工作量的问题。我们的主要贡献是双重的：首先，我们引入了稳定团队形成（STF）作为当前弹性 TF 模型的推广，如果团队从基于图的角度拥有并保持其代理间组织，则该团队是稳定的。第二，我们的实验表明，在最严格的配置下，稳定性能够以几个数量级的单位减少指数执行时间，证明与当前的弹性团队相比，后续任务分配问题中的沟通工作更加轻松。为此，我们开发了 SBB-ST，这是一种基于分布式约束优化问题 (DCOP) 的分支定界算法，用于计算团队。结果表明 STF 改进了他们的前辈，将弹性扩展到以 DCOP 表示的后续任务分配问题，并证明稳定性如何通过预测在动态场景中节省资源和最小化团队组织工作量的决策来帮助解决弹性 TF 问题。证明与当前有弹性的团队相比，后续任务分配问题中的沟通努力是放松的。为此，我们开发了 SBB-ST，这是一种基于分布式约束优化问题 (DCOP) 的分支定界算法，用于计算团队。结果表明 STF 改进了他们的前辈，将弹性扩展到以 DCOP 表示的后续任务分配问题，并证明稳定性如何通过预测在动态场景中节省资源和最小化团队组织工作量的决策来帮助解决弹性 TF 问题。证明与当前有弹性的团队相比，后续任务分配问题中的沟通努力是放松的。为此，我们开发了 SBB-ST，这是一种基于分布式约束优化问题 (DCOP) 的分支定界算法，用于计算团队。结果表明 STF 改进了他们的前辈，将弹性扩展到以 DCOP 表示的后续任务分配问题，并证明稳定性如何通过预测在动态场景中节省资源和最小化团队组织工作量的决策来帮助解决弹性 TF 问题。