首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

几类多智能体系统量化学习一致性研究

摘要第5-7页
ABSTRACT第7-9页
符号对照表第14-18页
第一章 绪论第18-36页
    1.1 迭代学习控制第18-19页
        1.1.1 迭代学习控制的学习律及分析方法第18-19页
        1.1.2 迭代学习控制的初始定位第19页
    1.2 多智能体系统第19-20页
        1.2.1 多智能体系统的研究领域第19-20页
        1.2.2 多智能体系统的一致性第20页
        1.2.3 多智能体系统的迭代学习控制研究现状第20页
    1.3 网络化控制系统第20-24页
        1.3.1 网络化控制系统的研究领域第21页
        1.3.2 网络化控制系统存在的基本问题及研究现状第21-24页
    1.4 本文的研究目标和意义第24-25页
    1.5 本文的主要工作及内容安排第25-29页
    1.6 预备知识以及相关的引理第29-36页
        1.6.1 图理论第29-30页
        1.6.2 矩阵理论第30页
        1.6.3 对数量化器第30-31页
        1.6.4 Σ? 量化器第31-33页
        1.6.5 非光滑分析第33-36页
第二章 基于对数量化器的多智能体系统的迭代学习控制第36-54页
    2.1 引言第36-37页
    2.2 问题描述第37-38页
    2.3 多智能体一致性的量化迭代学习算法第38-48页
        2.3.1 基本思想第38-39页
        2.3.2 逆动态模型第39-40页
        2.3.3 量化的迭代学习算法第40-43页
        2.3.4 事件驱动的量化迭代学习算法第43-48页
    2.4 仿真结果第48-51页
    2.5 本章小结第51-54页
第三章 基于 Σ? 量化器和输入饱和的多智能体系统的迭代学习控制第54-70页
    3.1 引言第54-55页
    3.2 问题描述第55-56页
    3.3 具有输入饱和的多智能体一致性的量化迭代学习算法第56-67页
        3.3.1 基本思想第56-58页
        3.3.2 具有输入饱和的线性多智能体系统的量化迭代学习算法第58-62页
        3.3.3 具有输入饱和的非线性多智能体系统的量化迭代学习算法第62-67页
    3.4 仿真结果第67-69页
    3.5 本章小结第69-70页
第四章 基于 Σ? 量化器和随机丢包的多智能体系统的迭代学习控制第70-84页
    4.1 引言第70-71页
    4.2 问题描述第71-74页
        4.2.1 控制目标第71-73页
        4.2.2 网络化多智能体系统的量化迭代学习控制的结构第73-74页
    4.3 具有随机丢包的多智能体一致性的量化迭代学习算法第74-78页
    4.4 仿真结果第78-83页
    4.5 本章小结第83-84页
第五章 具有初始状态误差和量化的非线性多智能体系统的迭代学习控制第84-94页
    5.1 引言第84-85页
    5.2 问题描述第85-86页
    5.3 具有初始状态误差的多智能体一致性的量化迭代学习算法第86-90页
    5.4 仿真结果第90-92页
    5.5 本章小结第92-94页
第六章 基于 Σ? 量化器的多智能体系统的量化一致性第94-104页
    6.1 引言第94-95页
    6.2 问题描述第95-96页
    6.3 通过 Σ? 量化反馈信号的一致性协议第96-100页
        6.3.1 全局坐标的量化一致性协议第96-99页
        6.3.2 局部坐标的量化一致性协议第99-100页
    6.4 仿真结果第100-102页
    6.5 本章小结第102-104页
第七章 基于 Σ? 量化器以及事件驱动和丢包的多智能体系统量化一致性第104-128页
    7.1 引言第104-105页
    7.2 问题描述第105-107页
    7.3 具有事件驱动和丢包的多智能体系统量化一致性算法第107-121页
        7.3.1 控制协议和系统模型第107-109页
        7.3.2 主要结论第109-121页
    7.4 仿真结果第121-126页
    7.5 本章小结第126-128页
第八章 总结与展望第128-132页
    8.1 总结第128-129页
    8.2 展望第129-132页
参考文献第132-146页
致谢第146-148页
作者简介第148-150页

论文共150页,点击 下载论文
上一篇:基于压缩感知人脸识别技术的研究
下一篇:PolSAR图像大间隔学习分类器设计及应用