动态多智能体建模与决策问题研究
| 摘要 | 第1-9页 |
| Abstract | 第9-18页 |
| 第一章 绪论 | 第18-30页 |
| ·问题的引入 | 第18-20页 |
| ·复杂的不确定性问题 | 第18-19页 |
| ·决策问题 | 第19-20页 |
| ·AGENT技术和概率图模型的结合 | 第20-21页 |
| ·概率决策模型 | 第21-23页 |
| ·影响图模型 | 第21页 |
| ·多Agent影响图 | 第21-22页 |
| ·马尔可夫决策过程及其扩展模型 | 第22-23页 |
| ·概率图模型的推理 | 第23-25页 |
| ·概率图模型的分解 | 第23页 |
| ·概率图模型的精确推理 | 第23-24页 |
| ·概率图模型的近似推理 | 第24-25页 |
| ·分布智能和足球机器人 | 第25-27页 |
| ·分布式人工智能 | 第25页 |
| ·机器人足球赛 | 第25-26页 |
| ·多智能体的协作 | 第26页 |
| ·效用的计算 | 第26-27页 |
| ·协商问题 | 第27页 |
| ·课题来源及研究目的和意义 | 第27-28页 |
| ·课题来源 | 第27-28页 |
| ·研究目的和意义 | 第28页 |
| ·本文的研究内容和组织结构 | 第28-30页 |
| 第二章 影响图模型的结构与行为选择 | 第30-52页 |
| ·贝叶斯网络 | 第30-31页 |
| ·贝叶斯公式 | 第30-31页 |
| ·贝叶斯网络的描述 | 第31页 |
| ·影响图模型 | 第31-36页 |
| ·效用理论 | 第31-32页 |
| ·影响图模型的描述 | 第32-35页 |
| ·影响图结构的分解 | 第35-36页 |
| ·影响图模型的结构选择 | 第36-45页 |
| ·影响图结构的评价函数 | 第36-39页 |
| ·融合结构先验知识的MDL评分 | 第39-40页 |
| ·影响图模型选择算法 | 第40-43页 |
| ·影响图模型选择的实验仿真 | 第43-45页 |
| ·影响图模型的行为选择 | 第45-50页 |
| ·影响图模型的计算 | 第45-46页 |
| ·影响图模型决策的实例 | 第46-48页 |
| ·影响图模型的构建和决策的实现 | 第48-50页 |
| ·结束语 | 第50-52页 |
| 第三章 MADIDS模型及其分解 | 第52-76页 |
| ·引言 | 第52-53页 |
| ·多AGENT影响图模型 | 第53-55页 |
| ·多Agent影响图的形式化描述 | 第53-55页 |
| ·多Agent影响图模型示例 | 第55页 |
| ·动态贝叶斯网络 | 第55-56页 |
| ·多AGENT动态影响图 | 第56-60页 |
| ·多Agent动态影响图的定义 | 第56-58页 |
| ·MADIDs的分层结构 | 第58-60页 |
| ·三种模型之间的关系 | 第60-61页 |
| ·MAIDs和MADIDs | 第60-61页 |
| ·DBNs和MADIDs | 第61页 |
| ·概率图模型的分解 | 第61-68页 |
| ·概率图模型的可分解性 | 第61-62页 |
| ·联合树的构建算法 | 第62-67页 |
| ·联合树构建算法的实现 | 第67-68页 |
| ·多AGENT动态影响图的分解 | 第68-75页 |
| ·CHMMs结构的MADIDs分解 | 第68-70页 |
| ·MADIDs的分层分解 | 第70-73页 |
| ·MADIDs联合树中团分解的实例 | 第73-74页 |
| ·MADIDs分层分解的误差度量 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 第四章 多AGENT动态影响图的推理算法研究 | 第76-96页 |
| ·引言 | 第76-77页 |
| ·MADIDs环境模型的联合树精确推理 | 第77-80页 |
| ·构建动态概率网络的联合树 | 第77-78页 |
| ·DBN的1.5联合树推理算法 | 第78-80页 |
| ·动态概率网络的BK近似推理 | 第80-81页 |
| ·BK算法的基本思想 | 第80页 |
| ·BK算法的描述 | 第80-81页 |
| ·BK和1.5片联合树算法的实现 | 第81-84页 |
| ·MADIDs的扩展BK推理算法 | 第84-88页 |
| ·EBK算法描述 | 第84-85页 |
| ·MADID近似分布的误差和复杂性分析 | 第85-87页 |
| ·扩展BK推理算法的实验 | 第87-88页 |
| ·MADIDs环境模型的粒子滤波推理 | 第88-91页 |
| ·粒子滤波的基本原理 | 第88-90页 |
| ·MADIDs粒子滤波推理的实现 | 第90-91页 |
| ·MADIDs的联合树因式粒子近似推理 | 第91-95页 |
| ·因式粒子滤波 | 第91-92页 |
| ·联合树因式粒子滤波 | 第92-94页 |
| ·联合树因式粒子滤波算法的实验 | 第94-95页 |
| ·本章小结 | 第95-96页 |
| 第五章 多AGENT动态影响图的决策实现 | 第96-108页 |
| ·引言 | 第96-97页 |
| ·多AGENT协作图 | 第97-99页 |
| ·协作图的相关定义 | 第97-98页 |
| ·协作图的求解算法 | 第98-99页 |
| ·扩展协作图 | 第99-101页 |
| ·角色协作机制 | 第100页 |
| ·扩展协作图的算法描述 | 第100-101页 |
| ·MADIDs协作的实现 | 第101-105页 |
| ·概率模型的近似计算 | 第101-102页 |
| ·联合效用的近似计算 | 第102-103页 |
| ·决策的简化 | 第103-104页 |
| ·协作关系的仿真 | 第104-105页 |
| ·MADIDs联想方式的行为选择方案 | 第105-106页 |
| ·本章小结 | 第106-108页 |
| 第六章 总结与展望 | 第108-110页 |
| ·工作总结 | 第108-109页 |
| ·进一步工作 | 第109-110页 |
| 参考文献 | 第110-118页 |
| 攻读博士学位期间参加研究的课题和发表的论文 | 第118-119页 |
