分布式广义分配问题（D-GAP）的异步优化算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究的难点 | 第12-14页 |
| 1.2.1 通信量限制 | 第12页 |
| 1.2.2 非集中式控制模式 | 第12-13页 |
| 1.2.3 局部信息可观测 | 第13页 |
| 1.2.4 联合搜索的方向不明确 | 第13-14页 |
| 1.2.5 团队与资源的异构性 | 第14页 |
| 1.3 国内外研究现状 | 第14-16页 |
| 1.4 研究概要及创新性 | 第16-17页 |
| 1.5 论文结构 | 第17-19页 |
| 第二章 D-GAP问题描述及相关算法 | 第19-27页 |
| 2.1 分布式广义分配问题(D-GAP)概述 | 第19-21页 |
| 2.2 分布式广义分配问题(D-GAP)问题描述 | 第21-22页 |
| 2.3 D-GAP求解的常用算法 | 第22-25页 |
| 2.3.1 集中式算法 | 第22页 |
| 2.3.2 分布式算法 | 第22-25页 |
| 2.3.2.1 分布式协同拍卖算法 | 第22-23页 |
| 2.3.2.2 异步回溯算法(ABT) | 第23-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 D-GAP在多智能体系统中的求解方法 | 第27-37页 |
| 3.1 多智能体系统求解D-GAP的总体架构 | 第27-31页 |
| 3.2 多智能体系统中智能体模型 | 第31-32页 |
| 3.3 多智能体系统求解D-GAP的算法流程 | 第32-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 D-GAP异步启发式求解方法 | 第37-49页 |
| 4.1 D-GAP异步启发式优化求解方法概述 | 第37-38页 |
| 4.2 求解智能体模型扩展 | 第38-40页 |
| 4.3 局部决策模型 | 第40-43页 |
| 4.3.1 期望效用函数 | 第40-42页 |
| 4.3.2 概率模型 | 第42-43页 |
| 4.4 智能体决策过程 | 第43-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 D-GAP异步启发式算法优化方法 | 第49-55页 |
| 5.1 局部决策模型更新机制 | 第49-53页 |
| 5.1.1 SF模型更新 | 第49-51页 |
| 5.1.2 ST模型更新 | 第51-52页 |
| 5.1.3 SN模型更新 | 第52-53页 |
| 5.2 相似度优化局部决策模型 | 第53-54页 |
| 5.3 本章小结 | 第54-55页 |
| 第六章 实验仿真 | 第55-74页 |
| 6.1 算法性能的验证性实验 | 第55-65页 |
| 6.1.1 实验整体设计 | 第55-56页 |
| 5.1.2 实验评估方法 | 第56页 |
| 6.1.3 实验主要参数 | 第56-57页 |
| 6.1.4 实验对比算法 | 第57页 |
| 6.1.5 具体实验设计与实验结果 | 第57-65页 |
| 6.2 算法在典型应用场景中的验证性实验 | 第65-72页 |
| 6.2.1 模拟典型应用场景实验概述 | 第65-67页 |
| 6.2.2 实验评估方法 | 第67页 |
| 6.2.3 实验主要参数 | 第67页 |
| 6.2.4 实验对比算法 | 第67页 |
| 6.2.5 具体实验设计与实验结果 | 第67-72页 |
| 6.3 本章小结 | 第72-74页 |
| 第七章 结论 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 攻硕期间取得的研究成果 | 第80页 |
