基于多Agent协作强化学习的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 选题的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 Agent研究现状 | 第12-13页 |
| 1.2.2 多Agent强化学习研究现状 | 第13-15页 |
| 1.3 论文的主要内容及结构 | 第15-16页 |
| 1.3.1 论文的主要内容 | 第15页 |
| 1.3.2 论文的组织结构 | 第15-16页 |
| 1.4 小结 | 第16-17页 |
| 第2章 多Agent强化学习研究基础 | 第17-29页 |
| 2.1 强化学习概述 | 第17-19页 |
| 2.1.1 强化学习模型 | 第17-18页 |
| 2.1.2 马尔可夫决策过程 | 第18-19页 |
| 2.2 强化学习的常用算法 | 第19-23页 |
| 2.2.1 DP算法 | 第20页 |
| 2.2.2 MC算法 | 第20-21页 |
| 2.2.3 Q学习算法 | 第21-23页 |
| 2.3 强化学习研究中的常见问题 | 第23页 |
| 2.4 多Agent强化学习概述 | 第23-28页 |
| 2.4.1 多Agent强化学习简介 | 第23-27页 |
| 2.4.2 多Agent强化学习研究中常见问题 | 第27-28页 |
| 2.5 小结 | 第28-29页 |
| 第3章 与本文相关研究工作 | 第29-36页 |
| 3.1 多Agent的信息共享方式 | 第29-32页 |
| 3.2 黑板模型 | 第32-34页 |
| 3.3 对手状态预测技术 | 第34-35页 |
| 3.4 小结 | 第35-36页 |
| 第4章 基于追捕问题的多Agent协作方法的研究 | 第36-49页 |
| 4.1 追捕问题描述 | 第36-38页 |
| 4.2 改进的多Agent强化学习算法 | 第38-46页 |
| 4.2.1 算法框架 | 第38-39页 |
| 4.2.2 算法描述 | 第39-40页 |
| 4.2.3 算法说明 | 第40-42页 |
| 4.2.4 算法设计 | 第42-46页 |
| 4.3 实验结果及其分析 | 第46-48页 |
| 4.5 小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55页 |
