中圖網(wǎng)小程序
一鍵登錄
更方便
>
多智能體機器人系統(tǒng)信息融合與協(xié)調(diào)
本類五星書更多>
-
>
貨幣大歷史:金融霸權(quán)與大國興衰六百年
-
>
(精)方力鈞作品圖錄
-
>
《藏書報》2021合訂本
-
>
(精)中國當(dāng)代書畫名家作品集·范碩:書法卷+繪畫卷(全2卷)
-
>
(噴繪樓閣版)女主臨朝:武則天的權(quán)力之路
-
>
書里掉出來一只狼+狼的故事-全2冊
-
>
奇思妙想創(chuàng)意玩具書(精裝4冊)
多智能體機器人系統(tǒng)信息融合與協(xié)調(diào) 版權(quán)信息
- ISBN：9787030447623
- 條形碼：9787030447623 ; 978-7-03-044762-3
- 裝幀：平裝
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：
多智能體機器人系統(tǒng)信息融合與協(xié)調(diào) 內(nèi)容簡介
本書提出了一種基于Markov對策的多Agent協(xié)調(diào)框架并給出了相應(yīng)的算法。通過對多Agent環(huán)境的分析，在對策論框架下進行多Agent協(xié)調(diào)，重點研究了MAS中敵對平衡與協(xié)作平衡的多Agent學(xué)習(xí)算法；诙郃gent中競爭和合作的關(guān)系，設(shè)計了一種分層結(jié)構(gòu)處理多Agent協(xié)調(diào)：利用零和Markov進行Agent群體之間的競爭與對抗，利用團隊Markov對策完成Agent群體內(nèi)部的協(xié)調(diào)與合作。機器人足球賽結(jié)果表明了本方法的可行性及優(yōu)越性。
多智能體機器人系統(tǒng)信息融合與協(xié)調(diào) 目錄
目錄《智能科學(xué)技術(shù)著作叢書》序前言第1章 緒論 11.1 引言 11.2 多機器人系統(tǒng)中的信息融合 21.2.1 機器人傳感器系統(tǒng) 21.2.2 機器人多傳感器信息融合 21.3 多機器人協(xié)調(diào)與合作研究現(xiàn)狀 41.4 多Agent信息融合與協(xié)調(diào)的研究現(xiàn)狀 61.4.1 多Agent信息融合 71.4.2 多Agent協(xié)調(diào)與合作 71.5 機器人足球及其研究進展 91.5.1 機器人足球的發(fā)展概況 91.5.2 FIRA機器人足球比賽系統(tǒng) 101.5.3 機器人足球的關(guān)鍵技術(shù)和研究熱點 111.6 本書的結(jié)構(gòu)和內(nèi)容安排 13參考文獻 14第2章 多Agent的信息融合模型與方法 162.1 引言 162.2 Agent與MAS的概念及特性 172.2.1 Agent的由來及定義 172.2.2 Agent的特性 182.2.3 MAS的概念與特性 212.2.4 MAS與復(fù)雜系統(tǒng) 212.2.5 MAS與智能系統(tǒng) 232.3 信息融合技術(shù)概述 252.3.1 信息融合的概念與定義 262.3.2 信息融合的模型 272.3.3 信息融合應(yīng)用與發(fā)展現(xiàn)狀 312.4 多Agent信息融合模型 332.4.1 Agent體系結(jié)構(gòu) 332.4.2 MAS體系結(jié)構(gòu) 352.4.3 基于多Agent的信息融合模型 362.5 小結(jié) 37參考文獻 38第3章 多Agent協(xié)調(diào)的學(xué)習(xí)與對策 413.1 引言 413.2 多Agent協(xié)調(diào)的理論與方法 423.2.1 協(xié)調(diào)的基本概念 423.2.2 MAS協(xié)調(diào)及其理論 433.3 Agent的學(xué)習(xí)模型與方法 463.3.1 強化學(xué)習(xí) 473.3.2 Markov決策過程 493.3.3 Q學(xué)習(xí)算法 503.4 多Agent的協(xié)調(diào)模型 523.4.1 黑板模型 523.4.2 合同網(wǎng) 533.4.3 通用部分全局規(guī)劃 553.5 多Agent協(xié)調(diào)的對策與學(xué)習(xí)方法 553.5.1 Markov對策概述 563.5.2 沖突博弈 593.5.3 多Agent強化學(xué)習(xí) 603.6 小結(jié) 61參考文獻 61第4章 基于證據(jù)推理的多Agent分布式?jīng)Q策 634.1 引言 634.2 證據(jù)推理理論 644.2.1 概率的幾種解釋及其性質(zhì) 644.2.2 證據(jù)理論的數(shù)學(xué)基礎(chǔ) 644.2.3 證據(jù)推理的基本概念 674.2.4 Dempster組合規(guī)則 684.2.5 證據(jù)決策規(guī)則 714.2.6 Dempster組合規(guī)則存在的問題 724.3 Agent信息模型 734.3.1 單支置信函數(shù) 734.3.2 基于證據(jù)推理的Agent信息模型 734.4 可傳遞置信模型 744.4.1 可傳遞置信模型的基本結(jié)構(gòu) 744.4.2 辨識框架的粗分和細化 754.4.3 Pignistic概率轉(zhuǎn)換 754.5 基于多Agent的分布式?jīng)Q策融合框架及算法 764.5.1 系統(tǒng)框架 764.5.2 融合中心 774.5.3 決策中心 784.6 仿真算例 794.6.1 賽場狀態(tài)信息 794.6.2 對手的策略 814.7 多Agent分布式?jīng)Q策融合策略 834.7.1 異構(gòu)融合 834.7.2 可靠性分配 844.7.3 融合處理 844.7.4 在機器人足球中的應(yīng)用 844.8 小結(jié) 88參考文獻 89第5章 強化函數(shù)設(shè)計方法及其在學(xué)習(xí)系統(tǒng)的應(yīng)用 915.1 引言 915.2 強化學(xué)習(xí)應(yīng)用中的關(guān)鍵問題 925.2.1 泛化方法 925.2.2 探索與利用的權(quán)衡 945.2.3 強化函數(shù)與算法結(jié)構(gòu)設(shè)計 955.3 強化學(xué)習(xí)的獎懲函數(shù) 955.4 基于平均報酬模型的強化學(xué)習(xí)算法 985.4.1 報酬模型 985.4.2 *優(yōu)策略 995.4.3 基于平均報酬模型的強化學(xué)習(xí)主要算法 995.5 一種基于知識的強化函數(shù)設(shè)計方法 1015.5.1 強化函數(shù)的基本設(shè)計思想 1015.5.2 基于知識的強化函數(shù) 1035.5.3 仿真實驗 1035.6 小結(jié) 107參考文獻 107第6章 基于分布式強化學(xué)習(xí)的多Agent協(xié)調(diào)方法 1096.1 引言 1096.2 多Agent強化學(xué)習(xí)基本理論 1106.2.1 基于局部合作的Q學(xué)習(xí) 1116.2.2 基于區(qū)域合作的Q學(xué)習(xí) 1116.2.3 算法的收斂性 1136.3 多Agent強化學(xué)習(xí)方法的特性 1146.3.1 多Agent強化學(xué)習(xí)理論及假設(shè)的不同 1146.3.2 多Agent強化學(xué)習(xí)模型及框架的差異 1156.3.3 多Agent強化學(xué)習(xí)內(nèi)容的區(qū)別 1156.3.4 多Agent強化學(xué)習(xí)算法設(shè)計的迥異 1166.4 多Agent強化學(xué)習(xí)算法的分類與比較 1166.4.1 絕對合作型多Agent強化學(xué)習(xí)算法 1166.4.2 絕對競爭型多Agent強化學(xué)習(xí)算法 1176.4.3 混合型多Agent強化學(xué)習(xí)算法 1176.4.4 平衡型多Agent強化學(xué)習(xí)算法 1176.4.5 *佳響應(yīng)型多Agent強化學(xué)習(xí)算法 1186.4.6 分析與比較 1186.5 MAS中的分布式強化學(xué)習(xí)模型及結(jié)構(gòu) 1186.5.1 中央強化學(xué)習(xí)結(jié)構(gòu) 1196.5.2 *立強化學(xué)習(xí)結(jié)構(gòu) 1196.5.3 群體強化學(xué)習(xí)結(jié)構(gòu) 1206.5.4 社會強化學(xué)習(xí)結(jié)構(gòu) 1206.6 基于分布式強化學(xué)習(xí)的多Agent協(xié)調(diào)模型及算法 1206.6.1 協(xié)調(diào)級 1216.6.2 行為級 1216.6.3 強化信息的分配 1216.6.4 仿真實驗 1226.7 小結(jié) 129參考文獻 130第7章 基于Markov對策的多Agent協(xié)調(diào) 1327.1 引言 1327.2 多Agent交互的協(xié)調(diào)與博弈分析 1337.2.1 多Agent協(xié)調(diào)與博弈的性質(zhì) 1337.2.2 多Agent協(xié)調(diào)失敗的處理 1347.3 多Agent沖突博弈強化學(xué)習(xí)模型 1367.3.1 多Agent沖突博弈 1367.3.2 *優(yōu)策略 1377.3.3 基于后悔值的Q學(xué)習(xí)模型 1387.4 NashQ學(xué)習(xí) 1407.5 零和Markov對策和團隊Markov對策 1417.5.1 零和Markov對策 1417.5.2 團隊Markov對策 1437.6 基于Markov對策的多Agent協(xié)調(diào)策略 1447.6.1 對策框架 1447.6.2 Team級對策 1447.6.3 Member級對策 1457.6.4 仿真實驗 1457.7 小結(jié) 155參考文獻 155第8章 Agent技術(shù)在機器人智能控制系統(tǒng)的應(yīng)用 1578.1 引言 1578.2 智能機器人系統(tǒng)應(yīng)用研究 1588.2.1 概況 1588.2.2 傳統(tǒng)研究方法的缺陷 1608.2.3 智能機器人系統(tǒng)的共性 1608.3 開放式機器人智能控制系統(tǒng)應(yīng)用研究 1618.3.1 開放式控制系統(tǒng)的典型特征 1618.3.2 基于PC的開放式控制系統(tǒng)的實現(xiàn) 1628.4 多機器人系統(tǒng)應(yīng)用研究 1628.4.1 多機器人隊形控制 1638.4.2 機器人救援 1658.4.3 多機器人追捕問題 1668.5 總結(jié)與展望 1688.5.1 總結(jié) 1688.5.2 未來工作展望 169參考文獻 170
展開全部
書友推薦
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
名家?guī)阕x魯迅:朝花夕拾
- >
苦雨齋序跋文-周作人自編集
- >
煙與鏡
- >
我從未如此眷戀人間
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
中國歷史的瞬間
本類暢銷
