基于状态预测的协作式多智能体强化学习算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景、目的及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·抽象方法 | 第10-12页 |
| ·泛化方法 | 第12-14页 |
| ·研究内容 | 第14-15页 |
| ·论文结构 | 第15-16页 |
| 第二章 基于状态预测的多智能体强化学习降维 | 第16-27页 |
| ·单智能体强化学习 | 第16-20页 |
| ·单智能体系统特点 | 第16-17页 |
| ·单智能体系统描述 | 第17-18页 |
| ·单智能体系统典型框架和算法分析 | 第18-20页 |
| ·多智能体强化学习 | 第20-23页 |
| ·多智能体系统特点 | 第21页 |
| ·多智能体系统描述 | 第21-22页 |
| ·多智能体系统典型框架和算法分析 | 第22-23页 |
| ·状态预测方法 | 第23-26页 |
| ·维数灾难问题 | 第24-25页 |
| ·基于状态预测的降维 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第三章 基于联合状态值函数逼近的多智能体Q学习 | 第27-39页 |
| ·MQVA算法设计与收敛性证明 | 第27-32页 |
| ·MQVA算法设计 | 第27-30页 |
| ·MQVA算法收敛性证明 | 第30-32页 |
| ·MQVA算法实现 | 第32-33页 |
| ·联合状态值函数逼近 | 第32页 |
| ·MQVA算法流程 | 第32-33页 |
| ·仿真实验与分析 | 第33-38页 |
| ·仿真环境的建立 | 第33-34页 |
| ·仿真结果及分析 | 第34-38页 |
| ·小结 | 第38-39页 |
| 第四章 基于最优跟踪的多智能体强化学习框架和算法 | 第39-53页 |
| ·OTA算法框架设计 | 第39-43页 |
| ·OTA算法实现 | 第43-46页 |
| ·状态预测机制设计 | 第43-44页 |
| ·动作选择机制设计 | 第44-46页 |
| ·OTA算法流程 | 第46页 |
| ·仿真实验与分析 | 第46-52页 |
| ·仿真环境的建立 | 第47-48页 |
| ·仿真结果及分析 | 第48-52页 |
| ·小结 | 第52-53页 |
| 第五章 结论与展望 | 第53-56页 |
| ·结论 | 第53-54页 |
| ·展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间主要的研究成果 | 第63页 |
