联合博弈框架下的多Agent强化学习算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究目的及意义 | 第8-9页 |
| ·协商框架研究现状 | 第9页 |
| ·强化学习研究现状 | 第9-10页 |
| ·论文研究的主要内容及创新点 | 第10-11页 |
| ·论文整体结构 | 第11-12页 |
| 第二章 相关理论研究 | 第12-24页 |
| ·强化学习理论研究 | 第12-14页 |
| ·多Agent 强化学习基本理论 | 第14-16页 |
| ·多Agent 强化学习基本模型 | 第14-15页 |
| ·多Agent 学习系统的组成要素 | 第15-16页 |
| ·多AGENT 强化学习的主要算法 | 第16-20页 |
| ·动态规划方法 | 第16-17页 |
| ·时间差分算法 | 第17页 |
| ·Q 学习算法 | 第17-20页 |
| ·基于角色跟踪的强化学习算法 | 第20页 |
| ·强化学习算法分析 | 第20-22页 |
| ·学习率α对强化学习算法的影响 | 第20-21页 |
| ·学习策略对强化学习算法的影响 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 多Agent 协商模型框架 | 第24-38页 |
| ·理论基础 | 第24页 |
| ·双边多议题自治协商模型 | 第24-29页 |
| ·BNM 的形式化描述 | 第24-25页 |
| ·效用评价机制-K | 第25页 |
| ·学习机制—L | 第25-26页 |
| ·提议策略-S | 第26-29页 |
| ·协商模型优化设计 | 第29-34页 |
| ·协商协议 | 第29-31页 |
| ·僵局消解过程算法设计 | 第31-32页 |
| ·基于Q 学习的僵局消解设计 | 第32-34页 |
| ·算法分析 | 第34-37页 |
| ·实验场景描述 | 第35页 |
| ·可收敛性 | 第35-36页 |
| ·有效性 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于联合博弈的多Agent 强化学习 | 第38-50页 |
| ·多AGENT 协作学习的联合博弈框架 | 第38-43页 |
| ·基本概念 | 第38-40页 |
| ·基于联合博弈的多Agent 强化学习算法 | 第40-42页 |
| ·算法实现 | 第42-43页 |
| ·调度问题的描述 | 第43-49页 |
| ·任务调度问题的研究现状分析 | 第44-45页 |
| ·协同设计任务调度问题描述 | 第45-46页 |
| ·应用实例与分析 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·论文总结 | 第50页 |
| ·进一步工作 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间发表的学术论文目录 | 第57-58页 |
