基于强化学习的多智能体协同机制研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景及目的意义 | 第10-12页 |
| ·多智能体系统 | 第11页 |
| ·多智能体系统的优点 | 第11页 |
| ·多智能体强化学习面临的问题 | 第11-12页 |
| ·研究现状 | 第12-16页 |
| ·MARL研究现状 | 第12-14页 |
| ·RoboCup研究现状 | 第14-16页 |
| ·RoboCup由来 | 第14-15页 |
| ·RoboCup仿真赛 | 第15页 |
| ·RoboCup研究现状 | 第15-16页 |
| ·论文的主要内容和结构 | 第16-17页 |
| ·论文的主要内容 | 第16-17页 |
| ·论文的主要结构 | 第17页 |
| ·本章小结 | 第17-18页 |
| 第2章 课题相关背景知识 | 第18-30页 |
| ·强化学习概述 | 第18-19页 |
| ·强化学习算法 | 第19-22页 |
| ·动态规划算法 | 第19-20页 |
| ·蒙特卡罗算法 | 第20页 |
| ·TD算法 | 第20-21页 |
| ·Q-learning算法 | 第21-22页 |
| ·分层强化学习模型 | 第22-24页 |
| ·马尔科夫决策过程 | 第22-23页 |
| ·半马尔科夫决策过程 | 第23-24页 |
| ·RoboCup2D Server平台 | 第24-29页 |
| ·服务器的地位和作用 | 第25页 |
| ·感知模型 | 第25-26页 |
| ·运动仿真模型 | 第26-27页 |
| ·基本行为模型 | 第27-29页 |
| ·环境干扰 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第3章 状态抽象的分层强化学习策略设计 | 第30-58页 |
| ·部分可观马尔科夫决策过程 | 第30-34页 |
| ·状态观测 | 第31-32页 |
| ·信念状态 | 第32-33页 |
| ·主观贝叶斯更新 | 第33-34页 |
| ·MAXQ分层强化学习 | 第34-43页 |
| ·MAXQ任务层次分解 | 第35页 |
| ·MAXQ分层值函数 | 第35-37页 |
| ·投影值函数表示 | 第37-40页 |
| ·MAXQ-0 学习算法 | 第40-42页 |
| ·MAXQ-Q学习算法 | 第42-43页 |
| ·基于状态抽象的与或图的策略表示 | 第43-46页 |
| ·与或图策略表示 | 第44-46页 |
| ·状态抽象 | 第46页 |
| ·多智能体决策框架设计 | 第46-48页 |
| ·算法在Robocup2D上的应用 | 第48-57页 |
| ·单个智能体决策框架 | 第48-50页 |
| ·决策问题的层次分解模型 | 第50-52页 |
| ·实验及结果 | 第52-57页 |
| ·结合算法战术分析 | 第52-55页 |
| ·比赛结果及分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第4章 算法在NAO智能体上的实验 | 第58-71页 |
| ·NAO机器人背景简介 | 第58-59页 |
| ·NAO智能体简介 | 第59-64页 |
| ·NAO硬件介绍 | 第59-60页 |
| ·NAO系统软件 | 第60-64页 |
| ·智能体导航问题 | 第64-65页 |
| ·实验结果与分析 | 第65-70页 |
| ·本章小结 | 第70-71页 |
| 第5章 结论与展望 | 第71-73页 |
| ·全文总结 | 第71页 |
| ·工作展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间参加的科研项目和成果 | 第77页 |
