| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景、目的及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 维数灾问题 | 第11-14页 |
| 1.2.2 信度分配及收敛性 | 第14-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文结构 | 第16-18页 |
| 2 基于新型个体奖励的多智能体最佳响应算法 | 第18-28页 |
| 2.1 多智能体强化学习基本概念 | 第18-21页 |
| 2.1.1 单智能体强化学习 | 第18-20页 |
| 2.1.2 多智能体强化学习 | 第20-21页 |
| 2.2 分布式多智能体强化学习 | 第21-24页 |
| 2.2.1 分布式多智能体强化学习特点 | 第21-22页 |
| 2.2.2 分布式多智能体强化学习框架描述 | 第22-23页 |
| 2.2.3 分布式多智能体强化学习存在的挑战 | 第23-24页 |
| 2.3 基于新型个体奖励的最佳响应算法 | 第24-27页 |
| 2.3.1 基于适应性的新型个体奖励及值函数定义 | 第24-26页 |
| 2.3.2 降维的最佳响应算法 | 第26-27页 |
| 2.4 小结 | 第27-28页 |
| 3 分布式多智能体强化学习交替跟踪框架 | 第28-40页 |
| 3.1 交替跟踪框架与收敛性证明 | 第28-32页 |
| 3.1.1 交替跟踪框架及其特点 | 第28-30页 |
| 3.1.2 交替跟踪框架下多智能体强化学习的收敛性证明 | 第30-32页 |
| 3.1.3 交替跟踪下的切换原则 | 第32页 |
| 3.2 完全合作式多智能体强化学习 | 第32-34页 |
| 3.2.1 多智能体完全合作博弈 | 第33页 |
| 3.2.2 BRQL-TT算法描述 | 第33-34页 |
| 3.3 仿真实验与分析 | 第34-39页 |
| 3.3.1 仿真环境的建立 | 第34-35页 |
| 3.3.2 仿真结果及分析 | 第35-39页 |
| 3.4 小结 | 第39-40页 |
| 4 交替跟踪环境下的多智能体信度分配 | 第40-48页 |
| 4.1 合作式多智能体强化学习信度分配 | 第40-44页 |
| 4.1.1 强化学习信度分配问题 | 第40-42页 |
| 4.1.2 基于交替学习框架的合作式多智能体信度分配 | 第42-43页 |
| 4.1.3 个体奖励未知的多智能体合作学习算法 | 第43-44页 |
| 4.2 仿真实验与分析 | 第44-47页 |
| 4.2.1 仿真环境的建立 | 第44页 |
| 4.2.2 仿真结果及分析 | 第44-47页 |
| 4.3 小结 | 第47-48页 |
| 5 分布式多智能体两阶段适应性学习 | 第48-55页 |
| 5.1 两阶段适应性学习 | 第48-51页 |
| 5.1.1 适应环境学习 | 第48-49页 |
| 5.1.2 交替学习实现智能体间相互适应 | 第49-50页 |
| 5.1.3 TSAL算法描述 | 第50-51页 |
| 5.2 仿真实验和分析 | 第51-54页 |
| 5.2.1 仿真环境的建立 | 第51-52页 |
| 5.2.2 仿真结果及分析 | 第52-54页 |
| 5.3 小结 | 第54-55页 |
| 6 结论与展望 | 第55-58页 |
| 6.1 结论 | 第55-56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 攻读学位期间主要的研究成果 | 第64-65页 |
| 致谢 | 第65页 |