基于RBF神经网络的多Agent协商机制的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·论文研究内容 | 第13页 |
| ·论文组织结构 | 第13-15页 |
| 第2章 多Agent系统与协商技术 | 第15-30页 |
| ·Agent技术 | 第15-19页 |
| ·Agent的概念和特征 | 第15-17页 |
| ·Agent的体系结构 | 第17-19页 |
| ·多Agent系统 | 第19-25页 |
| ·MAS的特点 | 第20-21页 |
| ·MAS中Agent之间的通信 | 第21-25页 |
| ·协商技术概述 | 第25-30页 |
| ·协商的发展及适用范围 | 第25-27页 |
| ·多Agent协商技术 | 第27-30页 |
| 第3章 人工神经网络和RBF神经网络预测 | 第30-42页 |
| ·人工神经网络 | 第30-34页 |
| ·人工神经网络的发展过程 | 第30-32页 |
| ·人工神经网络的特点 | 第32-33页 |
| ·人工神经网络的功能和学习方式 | 第33-34页 |
| ·RBF神经网络 | 第34-39页 |
| ·RBF神经网络的出现及发展 | 第34-35页 |
| ·径向基函数的定义与分类 | 第35-36页 |
| ·RBF网络模型 | 第36-39页 |
| ·RBF神经网络预测技术 | 第39-42页 |
| ·RBF神经网络的预测步骤 | 第39-41页 |
| ·RBF神经网络预测的训练过程 | 第41-42页 |
| 第4章 基于RBF神经网络的多Agent协商模型 | 第42-62页 |
| ·协商中学习的必要性 | 第42-43页 |
| ·多Agent协商模型 | 第43-48页 |
| ·协商的基本假设 | 第43-44页 |
| ·协商协议 | 第44-45页 |
| ·协商策略 | 第45-46页 |
| ·协商模型的建立 | 第46-48页 |
| ·协商模型中的经验学习与推理 | 第48-52页 |
| ·基于RBF神经网络的学习与推理模型 | 第50-52页 |
| ·模型特点 | 第52页 |
| ·多Agent协商算法及流程 | 第52-62页 |
| ·协商算法 | 第52-55页 |
| ·协商流程 | 第55-57页 |
| ·效用评价 | 第57-62页 |
| 第5章 多Agent协商模型的实例设计与实现 | 第62-81页 |
| ·Agent的开发平台—JADE | 第62-66页 |
| ·JADE的体系结构 | 第63-64页 |
| ·Agent类 | 第64-66页 |
| ·系统实现 | 第66-78页 |
| ·运行平台 | 第66-69页 |
| ·Agent的实现代码 | 第69-72页 |
| ·实例预测 | 第72-78页 |
| ·系统的主要实现界面 | 第78-81页 |
| 第6章 总结与展望 | 第81-83页 |
| ·主要工作总结 | 第81-82页 |
| ·工作展望 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 攻读学位期间公开发表论文 | 第86-87页 |
| 致谢 | 第87-88页 |
| 研究生履历 | 第88页 |
