幫助中心 | 我的帳號 | 關於我們

基於自適應動態規劃的多智能體系統一致性方法/雲計算和大數據系列叢書

  • 作者:王巍|責編:任仕元
  • 出版社:武漢大學
  • ISBN:9787307249837
  • 出版日期:2025/05/01
  • 裝幀:平裝
  • 頁數:116
人民幣:RMB 49 元      售價:
放入購物車
加入收藏夾

內容大鋼
    隨著分散式系統和人工智慧技術的飛速發展,多智能體系統在無人機編隊、機器人協作、智能電網等領域的應用日益廣泛,其中協同控制,尤其是一致性控製成為研究熱點。面對多智能體系統一致性控制中模型未知或難以獲取的挑戰,本書聚焦于運用自適應動態規劃(ADP)技術解決模型未知情況下的多智能體系統最優一致性問題,探討了包含控制、領導-跟隨一致性控制、異構系統輸出一致性控制等多種場景下的ADP控制方法,並研究了基於高斯過程回歸的評價網路設計以提升ADP性能。
    本書可供高等院校自動化、控制理論與控制工程、人工智慧、電腦科學等相關專業的學生、教師及科研工作者閱讀參考。

作者介紹
王巍|責編:任仕元
    王巍,中南財經政法大學信息工程學院副教授,碩士生導師,中國地質大學(武漢)控制科學與工程專業博士。     主要從事強化學習與自適應動態規劃、多智能體系統等領域的研究。主持湖北省自然科學基金項目、教育部/省重點實驗室項目等。以第一/通訊作者發表SCI論文10余篇,已獲授權國家發明專利1項。

目錄
第1章  緒論
  1.1  研究背景及意義
  1.2  國內外研究現狀
    1.2.1  自適應動態規劃理論
    1.2.2  基於ADP的多智能體系統一致性控制
    1.2.3  自適應評價網路設計方法
  1.3  現有研究存在的問題
  1.4  研究內容與結構安排
第2章  模型無關線性多智能體系統包含控制方法
  2.1  引言
  2.2  包含誤差動態系統
    2.2.1  代數圖論
    2.2.2  包含誤差動態系統問題描述
  2.3  多智能體系統最優包含控制
    2.3.1  包含控制性能指標
    2.3.2  納什均衡和穩定性分析
  2.4  基於值迭代的數據驅動ADHDP演算法
    2.4.1  基於局部Q函數的值迭代演算法
    2.4.2  局部Q函數值迭代演算法的收斂性分析
  2.5  模型無關最優包含控制
    2.5.1  評價-執行網路設計
    2.5.2  評價-執行網路的在線調整
  2.6  模擬實驗
  2.7  本章小結
第3章  基於評價-執行網路的非線性多智能體系統最優一致性控制方法
  3.1  引言
  3.2  預備知識
  3.3  問題描述
  3.4  基於策略迭代的局部Q函數ADP方法
    3.4.1  基於Q函數的策略迭代演算法
    3.4.2  策略迭代演算法的收斂性分析
    3.4.3  納什均衡和穩定性分析
  3.5  基於神經網路的評價-執行網路設計
    3.5.1  基於神經網路的評價網路設計
    3.5.2  基於神經網路的執行網路設計
    3.5.3  評價-執行網路的在線調整
  3.6  模擬實驗
    3.6.1  模擬實驗一
    3.6.2  模擬實驗二
  3.7  本章小結
第4章  部分可觀環境下異構多智能體系統輸出一致性控制方法
  4.1  引言
  4.2  問題描述
  4.3  利用可測數據的多智能體系統輸出一致性控制
    4.3.1  可測輸入/輸出數據的狀態表示方法
    4.3.2  基於自適應動態規劃的輸出一致性控制方法
  4.4  迭代自適應動態規劃演算法的實現
  4.5  模擬實驗
  4.6  本章小結
第5章  基於高斯過程回歸的雙階段值迭代評價網路設計方法

  5.1  引言
  5.2  基於高斯過程回歸的評價網路設計
  5.3  問題描述
  5.4  雙階段值迭代演算法
  5.5  模擬實驗
    5.5.1  單智能體系統模擬實驗
    5.5.2  多智能體系統模擬實驗
  5.6  本章小結
第6章  總結與展望
  6.1  總結
  6.2  展望
參考文獻

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032