Risk is a game in which traditional Artificial-Intelligence methods such as for example iterative deepening and Alpha-Beta pruning can not successfully be applied due to the size of the search space. Distributed problem solving in the form of a multi-agent system might be the solution. This needs to be tested before it is possible to tell if a multi-agent system will be successful at playing Risk or not. In this thesis the development of a multi-agent system that plays Risk is explained. The system places an agent in every country on the board and uses a central agent for organizing communication. An auction mechanism is used for negotiation. The experiments show that a multi-agent solution indeed is a prosperous approach when developing a computer based player for the board game Risk.

I brädspelet Risk är det svårt att använda traditionella Artificiell-Intelligens-metoder eftersom sökrymden är extremt stor. Lösningen till detta kan vara att använda distribuerad problemlösning i form av ett multi-agent system. Detta måste testas innan man kan säga om ett multi-agent system är framgångsrikt, eller ej, i att spela Risk. Denna uppsats går igenom utvecklingen av ett multi-agent system som spelar Risk. Systemet placerar en agent i varje land på brädet och använder en central agent för att organisera kommunikationen. En auktionsmekanism används vid förhandlingar. Experimenten visar att ett multi-agent system är en framgångsrik infallsvinkel vid utveckling av en datorbaserad spelare för brädspelet Risk.