基于强化学习的异构多智能体区域覆盖算法研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状分析 | 第11-13页 |
| 1.3 研究目标 | 第13-14页 |
| 1.4 研究内容 | 第14-15页 |
| 1.5 论文组织结构 | 第15-17页 |
| 第2章 马尔可夫决策理论预备知识 | 第17-23页 |
| 2.1 马尔可夫决策基本模型 | 第17-18页 |
| 2.2 部分可观测马尔可夫决策基本模型 | 第18-21页 |
| 2.3 分布式部分可观测马尔可夫决策模型 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 地-空多智能体模型设计 | 第23-32页 |
| 3.1 环境地图模型搭建 | 第23-25页 |
| 3.2 运动学模型搭建 | 第25-27页 |
| 3.2.1 地面移动车辆运动学模型 | 第25-26页 |
| 3.2.2 四旋翼飞行器运动学模型 | 第26-27页 |
| 3.3 无人驾驶地面车辆的观测模型设计 | 第27-30页 |
| 3.3.1 抽象的环境扫描模型 | 第27-28页 |
| 3.3.2 基于运动模型的最小观测器 | 第28-30页 |
| 3.4 无人飞行器观测模型及通讯模型设计 | 第30-31页 |
| 3.4.1 无人飞行器观测模型 | 第30页 |
| 3.4.2 无人飞行器通讯模型 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 POMDP算法研究 | 第32-42页 |
| 4.1 POMDP模型求解算法 | 第32-34页 |
| 4.1.1 QMDP算法 | 第32-33页 |
| 4.1.2 Q学习算法 | 第33-34页 |
| 4.2 单智能体覆盖问题研究 | 第34-41页 |
| 4.2.1 单智能体覆盖问题描述 | 第35页 |
| 4.2.2 单智能体环境覆盖实验 | 第35-39页 |
| 4.2.3 不同模型参数对仿真结果的影响 | 第39-41页 |
| 4.3 本章小结 | 第41-42页 |
| 第5章 DEC-POMDPs算法研究及实现 | 第42-59页 |
| 5.1 DEC-POMDPs模型求解算法 | 第42-44页 |
| 5.1.1 MAOP算法 | 第42-44页 |
| 5.2 地面多智能体群组仿真实验 | 第44-47页 |
| 5.2.1 DEC-POMDPs模型搭建 | 第45-46页 |
| 5.2.2 仿真结果 | 第46-47页 |
| 5.3 忽略通讯代价的地-空多智能体系统仿真实验 | 第47-52页 |
| 5.3.1 DEC-POMDPs模型搭建 | 第48-50页 |
| 5.3.2 地-空多智能体强化学习流程 | 第50页 |
| 5.3.3 仿真结果 | 第50-52页 |
| 5.4 考虑通讯策略的地-空多智能体系统仿真实验 | 第52-58页 |
| 5.4.1 DEC-POMDPs模型搭建 | 第52-54页 |
| 5.4.2 多智能体强化学习决策框架 | 第54-56页 |
| 5.4.3 仿真结果 | 第56-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第6章 多智能体强化学习工具箱设计 | 第59-70页 |
| 6.1 引言 | 第59页 |
| 6.2 多智能体工具箱框架及主要模块 | 第59-67页 |
| 6.2.1 智能体模块 | 第61-62页 |
| 6.2.2 地图环境模块 | 第62-63页 |
| 6.2.3 强化学习模块 | 第63-64页 |
| 6.2.4 持久层模块 | 第64-66页 |
| 6.2.5 仿真场景模块 | 第66-67页 |
| 6.2.6 公用工具类函数库 | 第67页 |
| 6.3 可视化界面设计 | 第67-69页 |
| 6.4 本章小结 | 第69-70页 |
| 总结和展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间的论文及科研情况 | 第78页 |
