多Agent协同的强化学习方法研究
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第9-19页 |
| ·引言 | 第9-11页 |
| ·Agent与多Agent系统 | 第11-13页 |
| ·Agent的基本概念和性质 | 第11-12页 |
| ·多Agent系统 | 第12-13页 |
| ·多Agent系统的学习 | 第13-17页 |
| ·多Agent学习研究的目的和意义 | 第13-14页 |
| ·国内外研究现状与多Agent学习的研究内容 | 第14-17页 |
| ·本文的研究内容与结构 | 第17-19页 |
| 第二章 多Agent强化学习的研究基础 | 第19-38页 |
| ·强化学习概述 | 第19-24页 |
| ·强化学习模型 | 第20-21页 |
| ·优化行为模型 | 第21-22页 |
| ·马尔可夫决策过程 | 第22-24页 |
| ·强化学习的几种常用算法 | 第24-28页 |
| ·TD算法 | 第25-26页 |
| ·Q学习 | 第26-28页 |
| ·Dyna算法 | 第28页 |
| ·强化学习研究中的常见问题及强化学习算法的应用 | 第28-30页 |
| ·研究中常见的困难 | 第28-30页 |
| ·强化学习算法的应用 | 第30页 |
| ·多Agent强化学习综述 | 第30-34页 |
| ·多Agent强化学习简介 | 第31-33页 |
| ·马尔可夫博弈 | 第33-34页 |
| ·与本文相关的研究工作 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 基于目标分解的多Agent协同强化学习 | 第38-46页 |
| ·Pursuit Game的相关研究 | 第38-39页 |
| ·Pursuit Game问题的描述 | 第39-40页 |
| ·基于目标分解的多Agent协同强化学习算法 | 第40-43页 |
| ·实验设计与实验结果 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 多Agent最优行为策略学习 | 第46-58页 |
| ·问题的提出 | 第46-47页 |
| ·BASL方法的基本思路 | 第47-50页 |
| ·Pursuit Game的BASL算法 | 第50-55页 |
| ·状态的表示 | 第50-52页 |
| ·伪回报的确定 | 第52页 |
| ·行为选择 | 第52页 |
| ·Q值更新 | 第52-53页 |
| ·Pursuit Game的BASL算法 | 第53-55页 |
| ·算法的实现与实验结果 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 多Agent协同博弈的强化学习方法初探 | 第58-75页 |
| ·基本思想 | 第58-60页 |
| ·相关概念和假设 | 第60-67页 |
| ·算法的提出 | 第67-69页 |
| ·算法的收敛性证明 | 第69-74页 |
| ·本章小结 | 第74-75页 |
| 第六章 总结和讨论 | 第75-77页 |
| ·本文总结 | 第75-76页 |
| ·今后的研究方向 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-82页 |
| 附录 | 第82页 |
