| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 1 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 供应链建模方面 | 第14-16页 |
| 1.2.2 Agent学习机制方面 | 第16-17页 |
| 1.3 研究内容及目标 | 第17-18页 |
| 1.4 研究方法与论文结构 | 第18-20页 |
| 1.4.1 研究方法和技术路线 | 第18-19页 |
| 1.4.2 论文结构 | 第19-20页 |
| 1.5 本章小结 | 第20-21页 |
| 2 理论依据及开发平台 | 第21-27页 |
| 2.1 复杂系统建模方法及比较 | 第21-22页 |
| 2.2 复杂系统仿真平台 | 第22页 |
| 2.3 刺激—反应理论 | 第22-23页 |
| 2.4 学习机制 | 第23-26页 |
| 2.4.1 强化学习优化算法概述 | 第23-25页 |
| 2.4.2 群智能优化算法 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 家用汽车供应链多Agent的概念模型 | 第27-39页 |
| 3.1 建模思路 | 第27页 |
| 3.2 建立汽车供应链概念模型 | 第27-29页 |
| 3.2.1 模型假设 | 第27-28页 |
| 3.2.2 模型构成 | 第28-29页 |
| 3.3 家用汽车供应链各Agent概念模型 | 第29-37页 |
| 3.3.1 消费者Agent概念模型 | 第29-33页 |
| 3.3.2 分销商Agent概念模型 | 第33-34页 |
| 3.3.3 制造商Agent概念模型 | 第34-37页 |
| 3.3.4 供应商Agent概念模型 | 第37页 |
| 3.4 本章小结 | 第37-39页 |
| 4 家用汽车供应链多Agent的基本仿真模型 | 第39-61页 |
| 4.1 引言 | 第39页 |
| 4.2 仿真模型的初始数据设置 | 第39-40页 |
| 4.3 仿真模型框架的建立 | 第40-42页 |
| 4.4 基本仿真模型的建立 | 第42-54页 |
| 4.4.1 消费者Agent仿真模型 | 第42-44页 |
| 4.4.2 分销商Agent仿真模型 | 第44-48页 |
| 4.4.3 制造商Agent仿真模型 | 第48-51页 |
| 4.4.4 供应商Agent仿真模型 | 第51-52页 |
| 4.4.5 MessageAgent模型 | 第52-54页 |
| 4.5 模型验证 | 第54-59页 |
| 4.5.1 模型稳定性验证 | 第54-55页 |
| 4.5.2 模型规则正确性验证 | 第55-58页 |
| 4.5.3 模型销量验证 | 第58-59页 |
| 4.6 本章小结 | 第59-61页 |
| 5 仿真模型演化分析 | 第61-89页 |
| 5.1 引言 | 第61页 |
| 5.2 供应链多Agent经营策略分析及目标函数的设计 | 第61-62页 |
| 5.3 基于刺激—反应理论的学习机制 | 第62-70页 |
| 5.3.1 基于刺激—反应理论的学习机制设计 | 第63-64页 |
| 5.3.2 建立刺激—反应学习机制模型 | 第64-65页 |
| 5.3.3 刺激—反应学习机制的仿真分析 | 第65-70页 |
| 5.4 基于粒子群算法的学习机制 | 第70-83页 |
| 5.4.1 基于粒子群算法的学习机制设计 | 第70-71页 |
| 5.4.2 建立粒子群学习机制模型 | 第71-73页 |
| 5.4.3 粒子群学习机制的仿真分析 | 第73-83页 |
| 5.4.4 刺激—反应学习机制与粒子群学习机制对比 | 第83页 |
| 5.5 基于Q学习算法的学习机制 | 第83-87页 |
| 5.5.1 基于Q学习算法的学习机制设计 | 第84页 |
| 5.5.2 基于Q学习算法的学习机制建模与求解 | 第84-85页 |
| 5.5.3 Q学习机制的分析 | 第85-87页 |
| 5.6 本章小结 | 第87-89页 |
| 6 总结与展望 | 第89-91页 |
| 6.1 总结 | 第89页 |
| 6.2 展望 | 第89-91页 |
| 致谢 | 第91-93页 |
| 参考文献 | 第93-99页 |
| 附录A | 第99-100页 |
| 附录B | 第100-101页 |
| 攻读学位期间发表的学术论文目录 | 第101-102页 |