| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景及意义 | 第7-8页 |
| ·多Agent系统的研究现状 | 第8页 |
| ·多Agent系统研究的主要问题 | 第8-9页 |
| ·微电网的基本概念和特点 | 第9-10页 |
| ·多Agent系统在电力系统中的应用研究现状 | 第10-11页 |
| ·本文主要工作及结构安排 | 第11-13页 |
| ·本文主要工作 | 第11页 |
| ·本文的内容安排 | 第11-13页 |
| 第二章 多Agent技术及其组织结构 | 第13-19页 |
| ·Agent的基本理论 | 第13-15页 |
| ·Agent的定义和特性 | 第13页 |
| ·Agent基本理论模型结构 | 第13-15页 |
| ·多Agent系统概述 | 第15页 |
| ·多Agent系统组织结构 | 第15-17页 |
| ·本章小结 | 第17-19页 |
| 第三章 多Agent强化学习理论 | 第19-31页 |
| ·引言 | 第19页 |
| ·强化学习概述 | 第19-20页 |
| ·强化学习发展及研究状况 | 第20-21页 |
| ·强化学习的主要算法 | 第21-26页 |
| ·强化学习的目的 | 第21-22页 |
| ·瞬时差分算法 | 第22-24页 |
| ·自适应启发式评判算法 | 第24页 |
| ·Q-学习算法 | 第24-26页 |
| ·多Agent强化学习基本理论 | 第26-28页 |
| ·单Agent强化学习模型 | 第26页 |
| ·多Agent强化学习理论 | 第26-28页 |
| ·本章小结 | 第28-31页 |
| 第四章 基于递推最小二乘Q( λ)的多Agent学习协作研究 | 第31-45页 |
| ·引言 | 第31页 |
| ·多AgentQ(λ) 学习算法 | 第31-33页 |
| ·多Agent学习面临的问题 | 第31-32页 |
| ·Q ( λ) 学习算法 | 第32-33页 |
| ·基于值函数逼近的Q ( λ) 学习算法 | 第33-35页 |
| ·多步递推最小二乘Q ( λ) 学习算法 | 第35-39页 |
| ·最小二乘法的概念 | 第35页 |
| ·多步递推最小二乘Q ( λ) 学习算法 | 第35-38页 |
| ·实验仿真分析 | 第38-39页 |
| ·共享知识策略下多Agent学习协作结构 | 第39-43页 |
| ·共享知识策略 | 第40-41页 |
| ·进一步改进后的多Agent学习协作结构机制 | 第41-42页 |
| ·仿真与结果分析 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第五章 多Agent在微电网无功电压控制上的应用 | 第45-57页 |
| ·引言 | 第45-46页 |
| ·基于多Agent的微电网无功电压控制原理 | 第46-48页 |
| ·无功补偿电源调压原理 | 第46页 |
| ·分级电压无功控制思想 | 第46-47页 |
| ·多Agent微电网无功电压控制思想 | 第47-48页 |
| ·多Agent的微电网电压无功控制系统设计 | 第48-50页 |
| ·基于多Agent的微电网电压无功控制系统结构设计 | 第48-49页 |
| ·智能Agent结构和功能设计 | 第49-50页 |
| ·多Agent电压无功控制控制策略 | 第50-53页 |
| ·数字仿真分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·本文的主要工作 | 第57页 |
| ·研究展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第65页 |