如何理解人的决策和交互，并使计算机程序能够像人一样去决策和交互，是人工智能时代的重要问题。本课程内容处于博弈论、理论计算机和人工智能的交叉领域，所探讨的就是在由人或智能体所组成的系统中，个体是如何决策的；以及这样的系统该如何设计。

本课程主要包含两大部分。第一部分是机制设计理论和算法，可以理解为“反向的”博弈，即如何设计多智能体系统的规则和近似算法，使其走向复杂的、多目标下的优化结果，同时保证计算的可行性。第二部分是“正向的”博弈分析和算法，这部分除了经典博弈论的结论，还详述了诸如无秩序代价、均衡近似与学习、均衡计算复杂度的分析等理论。算法博弈论的一正一反两部分同根同种，但又在不同方向上枝繁叶茂，本课程均给出了较为系统化的阐述。

本课程重点知识包括：1. 图上的自利路由问题及无秩序代价理论；2. Nash均衡的定义及存在性证明，多层式的均衡定义，纯策略纳什均衡，势博弈；3. Best-Case强Nash均衡；4. 最优反馈，势博弈中的最优反馈，自利路由问题中的近似纯策略纳什均衡；5. 机制设计理论基础，单物品拍卖，密封价格拍卖，最高价拍卖，二价拍卖及占优策略；6. Myerson引理证明，简单环境下的拍卖，支付规则和分配规则， Myerson引理的一般形式，支付函数的使用方法；7. 算法机制设计与显示原理；8. 最大化收益拍卖，最优的占优策略激励相容机制，谷歌广告竞价中的保留价格拍卖实例，等等。其中，难点包括无秩序代价理论、纳什均衡的计算复杂性分析、Myerson引理、最大化收益拍卖算法设计。

本课程的特点与优势是：1. 有深厚的数学理论尤其是最优化理论的知识。2. 有较强的算法设计相关内容和算法复杂度分析的内容。3. 有诸多当前最受关注的应用场景。 如搜索引擎广告算法、共享经济系统设计、无人车的规划问题、Google AlphaGo、社会资源分配问题都和算法博弈论有本质的联系。此课承接算法分析与设计、最优化原理。课程所涉及科研属于前沿困难问题，且和多个学科能够结合交织，非常有助于研究生和博士生产生独立的科研思想。课程理论有较好的深度，又能将学生引入诸多现实应用的实例。