基于高斯回归的连续空间多智能体强化学习算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景、目的及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文结构 | 第15-18页 |
| 2 多智能体强化学习的泛化与降维 | 第18-30页 |
| 2.1 多智能体强化学习 | 第18-25页 |
| 2.1.1 强化学习 | 第18-20页 |
| 2.1.2 多智能体系统特点 | 第20-21页 |
| 2.1.3 多智能体系统描述 | 第21页 |
| 2.1.4 多智能体强化学习典型框架和算法分析 | 第21-25页 |
| 2.2 泛化与降维 | 第25-28页 |
| 2.2.1 维数灾难与泛化问题 | 第25-26页 |
| 2.2.2 基于值函数的降维 | 第26-27页 |
| 2.2.3 基于高斯回归的泛化 | 第27-28页 |
| 2.3 本章小结 | 第28-30页 |
| 3 基于高斯回归的连续空间多智能体跟踪学习 | 第30-42页 |
| 3.1 算法框架设计 | 第30-33页 |
| 3.1.1 降维的跟踪学习值函数 | 第30-31页 |
| 3.1.2 基于动态规划的跟踪学习框架 | 第31-33页 |
| 3.2 算法实现 | 第33-36页 |
| 3.2.1 多智能体环境下的高斯回归模型 | 第33-34页 |
| 3.2.2 鉴赏函数设计 | 第34-35页 |
| 3.2.3 基于贝叶斯主动学习的样本集调整 | 第35-36页 |
| 3.2.4 算法流程 | 第36页 |
| 3.3 算法性能分析 | 第36-37页 |
| 3.3.1 模型有效性 | 第36页 |
| 3.3.2 空间复杂度 | 第36-37页 |
| 3.3.3 时间复杂度 | 第37页 |
| 3.4 仿真实验与分析 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 改进型多智能体连续空间基于模型的跟踪学习 | 第42-54页 |
| 4.1 MAS MBRL-CPT算法框架设计 | 第42-43页 |
| 4.2 MAS MBRL-CPT算法的改进 | 第43-45页 |
| 4.2.1 基于高斯回归的在线策略模型 | 第43-44页 |
| 4.2.2 样本空间个体即时回报的迭代学习 | 第44页 |
| 4.2.3 基于即时策略添加样本 | 第44页 |
| 4.2.4 MBRL-CPT算法流程 | 第44-45页 |
| 4.3 算法性能分析 | 第45-47页 |
| 4.3.1 稳定性分析 | 第45-46页 |
| 4.3.2 空间复杂度 | 第46-47页 |
| 4.3.3 时间复杂度 | 第47页 |
| 4.4 仿真实验与分析 | 第47-52页 |
| 4.5 本章小结 | 第52-54页 |
| 5 基于分时跟踪的连续多智能体策略学习 | 第54-62页 |
| 5.1 基于分时跟踪的学习框架 | 第54-55页 |
| 5.2 CMLBTT算法实现 | 第55-57页 |
| 5.2.1 交替学习的切换条件 | 第55-56页 |
| 5.2.2 基于高斯回归的环境模型 | 第56-57页 |
| 5.2.3 CMLBTT算法流程 | 第57页 |
| 5.3 算法性能分析 | 第57-58页 |
| 5.3.1 模型稳定性 | 第57-58页 |
| 5.3.2 空间复杂度 | 第58页 |
| 5.3.3 时间复杂度 | 第58页 |
| 5.4 仿真实验与分析 | 第58-60页 |
| 5.5 本章小结 | 第60-62页 |
| 6 结论与展望 | 第62-64页 |
| 6.1 结论 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 攻读学位期间主要的研究成果目录 | 第70-72页 |
| 致谢 | 第72页 |
