基于强化学习和神经网络的MAS任务分配方法研究

目录

声明

摘要

符号说明

第一章绪论

1．1课题的研究背景与意义

1．2多智能体系统概述

1．2．1多智能体系统的特点

1．2．2多智能体系统的研究现状

1．2．3多智能体系统的应用

1．2．4多智能体系统面临的挑战

1．3论文的主要内容及组织结构

1．3．1论文的主要工作

1．3．2论文的组织结构

第二章多智能体系统的任务分配及强化学习技术

2．1多智能体系统的任务分配技术概述

2．1．1多智能体系统的任务分配问题描述

2．1．2多智能体系统的典型架构

2．1．3多智能体系统的任务分配经典算法

2．1．4多智能系统的任务分配存在的问题

2．2强化学习技术概述

2．2．1强化学习模型

2．2．2强化学习经典算法

2．2．3强化学习在任务分配技术中的应用研究

2．3本章小结

第三章基于强化学习及迁移学习的多任务分配算法

3．1引言

3．2迁移学习技术

3．2．1迁移学习技术概述

3．2．2迁移学习典型算法介绍

3．3系统模型

3．3．1任务分布模型

3．3．2代价函数

3．4基于迁移学习的多任务分配算法

3．4．1算法总体设计

3．4．2源任务与目标任务的相似度计算

3．4．3学习智能体到目标子任务的最优路径

3．4．4算法分析

3．5实验结果与分析

3．5．1实验模型及参数设置

3．5．2实验结果与分析

3．6本章小结

第四章基于深度学习的多智能体系统任务分配算法

4．1引言

4．2深度强化学习技术

4．2．1深度学习概述

4．2．2深度强化学习概述

4．2．3深度强化学习的经典算法介绍

4．3系统模型

4．3．1任务模型

4．3．2评估机制

4．4基于神经网络的多智能体系统任务分配算法

4．4．1算法总体设计

4．4．2实验结果与分析

4．5基于深度强化学习的多智能体系统任务分配算法

4．5．1算法总体设计

4．5．2实验结果与分析

4．6本章小结

第五章总结与展望

5．1研究工作总结

5．2研究工作展望

参考文献

攻读学位期间取得的研究成果

致谢