边缘计算通过减少延迟、提高数据处理效率以及实现去中心化决策来增强多智能体系统 (MAS) 的性能。在 MAS 中，自主智能体协同工作以解决复杂的任务，通常需要实时通信和快速响应。边缘计算通过在更接近数据源（例如物联网设备或传感器）的地方处理数据来满足这些需求，而不是依赖于远距离的云服务器。这种邻近性最大限度地减少了由网络拥塞或长距离数据传输引起的延迟，确保智能体可以根据及时的信息采取行动。例如，在智能工厂中，边缘节点可以在本地处理传感器数据，以实时协调机器人手臂（智能体），避免基于云处理的滞后。
边缘计算对 MAS 的一个关键好处是带宽优化。通过在边缘过滤和处理数据，只有相关信息被发送到云或其他智能体，从而降低了网络负载。这在连接性有限或数据量大的情况下至关重要。考虑一个交通管理 MAS，其中交叉路口的摄像头和传感器在本地分析车辆流量。边缘节点可以聚合数据（例如，检测拥塞）并仅与中央系统共享可操作的见解，从而防止带宽瓶颈。此外，边缘计算允许智能体在网络中断期间自主运行。例如，灾难响应 MAS 中的无人机可以使用边缘处理的环境数据来独立导航，即使云连接丢失。
边缘计算还增强了 MAS 的可扩展性和容错能力。跨边缘节点分配计算任务减少了对集中式基础设施的依赖，允许系统随着更多智能体或设备的添加而水平扩展。在智能电网 MAS 中，智能电表等边缘设备可以在本地平衡家庭之间的能源分配，从而减轻中央服务器的计算负担。此外，基于边缘的冗余确保如果一个节点发生故障，附近的智能体可以接管其任务。例如，在仓库机器人 MAS 中，如果管理机器人车队的边缘服务器脱机，则附近的机器人可以使用本地缓存的逻辑暂时承担协调职责。这种去中心化的架构与 MAS 固有的分布式特性相一致，使边缘计算成为提高弹性和性能的自然选择。