|
|
|
|
在多Agent环境中求帕累托效率解的方法研究 |
| |
| 论文目录 |
| |
| 摘要 | 第1-4页 | | ABSTRACT | 第4-6页 | | 目录 | 第6-9页 | | 第一章 绪论 | 第9-14页 | | ·研究背景 | 第9页 | | ·研究现状 | 第9-12页 | | ·研究内容 | 第12-13页 | | ·论文结构及主要内容 | 第13-14页 | | 第二章 多AGENT学习理论综述 | 第14-23页 | | ·AGENT的概念及特征 | 第14-17页 | | ·Agent的定义 | 第14-15页 | | ·Agent的特征 | 第15-16页 | | ·多Agent系统 | 第16-17页 | | ·MAS学习框架理论模型 | 第17-21页 | | ·马尔科夫决策过程(Markov Decision Processes,MDP) | 第17-18页 | | ·矩阵博弈(Matrix Games) | 第18-19页 | | ·随机博弈(Stochastic Games) | 第19-20页 | | ·MAS学习框架小结 | 第20-21页 | | ·学习算法相关定义 | 第21-23页 | | 第三章 一种在多AGENT系统中求帕累托高效率解的方法 | 第23-32页 | | ·Q-学习 | 第23-25页 | | ·Q-学习原理 | 第23页 | | ·Q-学习算法的描述 | 第23-25页 | | ·WoLF思想及其相关算法 | 第25-26页 | | ·WoLF原理 | 第25页 | | ·Winning的判定 | 第25-26页 | | ·ROBERT AXELROD实验 | 第26-27页 | | ·PESCO算法 | 第27-32页 | | ·PESCO算法的核心策略 | 第27-29页 | | ·符号的定义 | 第28页 | | ·博弈策略的判定 | 第28页 | | ·策略的选定 | 第28-29页 | | ·Q值的计算 | 第29页 | | ·PESCO算法的描述 | 第29-32页 | | 第四章 博弈实验与分析 | 第32-50页 | | ·实验一:供零博弈 | 第32-41页 | | ·供零博弈 | 第32-33页 | | ·自博弈 | 第33-34页 | | ·不同的对手 | 第34-39页 | | ·Q合作对手、对抗对手与TfT | 第34-36页 | | ·Random | 第36-37页 | | ·Q-学习 | 第37-38页 | | ·WoLF-PHC | 第38-39页 | | ·WoLF-GIGA | 第39页 | | ·各个Agent的博弈结果 | 第39-41页 | | ·结论 | 第41页 | | ·STACKELBERG博弈 | 第41-45页 | | ·Stackelberg | 第41-42页 | | ·自博弈 | 第42-43页 | | ·各个Agent博弈结果 | 第43-45页 | | ·猜硬币博弈 | 第45-49页 | | ·猜硬币博弈 | 第45-46页 | | ·自博弈 | 第46页 | | ·对抗WoLF-GIGA算法 | 第46-47页 | | ·各个Agent博弈结果 | 第47-49页 | | ·小结 | 第49-50页 | | 第五章 总结与展望 | 第50-52页 | | ·总结 | 第50页 | | ·未来工作展望 | 第50-52页 | | 参考文献 | 第52-56页 | | 致谢 | 第56-57页 | | 附录(攻读学位期间发表的论文) | 第57页 |
|
|
|
|
论文编号BS629062，这篇论文共57页
会员购买按0.35元/页下载，共需支付19.95元。 直接购买按0.5元/页下载，共需要支付28.5元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务