復雜系統(tǒng)多Agent建模與控制的理論及應用

第1章 緒論
1.1 復雜系統(tǒng)
1.1.1 復雜系統(tǒng)的概念
1.1.2 復雜系統(tǒng)的研究范疇
1.1.3 復雜系統(tǒng)的研究流派
1.2 多Agent系統(tǒng)研究方法
1.2.1 Agent的概念和基本特性
1.2.2 多Agent系統(tǒng)建模
1.2.3 多Agent系統(tǒng)的協(xié)調與控制
1.2.4 Agent的規(guī)則學習和演化
1.3 復雜系統(tǒng)多Agent建模與控制研究框架
1.3.1 需求分析
1.3.2 系統(tǒng)框架結構及工作流程
1.3.3 復雜系統(tǒng)多Agent建模與控制方法的特點
1.4 本章小結
第2章 個體Agent建模
2.1 Agent混合結構模型
2.1.1 Agent的基本結構模型
2.1.2 其他Agent結構模型
2.1.3 具有通用性的Agent混合結構模型
2.2 基于模糊Petri網的Agent協(xié)調控制器
2.2.1 協(xié)調控制器的功能結構
2.2.2 基于模糊Petri網的Agent協(xié)調控制器模型
2.3 基于模糊神經網絡的Agent反應器
2.3.1 模糊神經網絡的結構及描述
2.3.2 Agent反應器的實例
2.4 Agent知識庫系統(tǒng)設計與實現
2.4.1 基于MVC模式的Agent知識庫系統(tǒng)模型
2.4.2 基于粗糙集證據理論的Agent知識推理
2.5 本章小結
第3章 Agent的學習機制
3.1 復雜系統(tǒng)中的Agent學習系統(tǒng)
3.1.1 復雜系統(tǒng)建模對Agent學習系統(tǒng)的要求
3.1.2 基于遺傳算法的Agent規(guī)則學習與演化機制
3.2 基于改進免疫遺傳算法的Agent學習系統(tǒng)
3.2.1 人工免疫系統(tǒng)概述
3.2.2 Agent學習系統(tǒng)的結構與算法
3.2.3 算法驗證
3.3 基于強化學習的多Agent智能決策
3.3.1 基于多Agent模型的智能決策系統(tǒng)
3.3.2 強化學習在智能決策系統(tǒng)中的應用
3.3.3 仿真實驗
3.4 本章小結
第4章 復雜系統(tǒng)中的多Agent動態(tài)協(xié)調模型
4.1 多Agent協(xié)調概述
4.1.1 多Agent協(xié)調的相關概念
4.1.2 多Agent協(xié)調的典型方法
4.1.3 其他相關工作
4.2 復雜系統(tǒng)多Agent交互與協(xié)調模型
4.2.1 復雜系統(tǒng)中多Agent交互與協(xié)調的特點
4.2.2 復雜系統(tǒng)多Agent的動態(tài)協(xié)調模型
4.2.3 多Agent的動態(tài)協(xié)調模型的應用
4.3 本章小結
第5章 基于多Agent的跨流域調水系統(tǒng)建模
5.1 跨流域調水系統(tǒng)
5.2 基于多Agent的跨流域調水系統(tǒng)建模
5.2.1 研究思路
5.2.2 評價指標
5.3 仿真實驗及結果分析
5.3.1 仿真平臺
5.3.2 各類Agent的主要屬性和行為規(guī)則
5.3.3 實驗結果及分析
5.4 本章小結
第6章 湖泊水污染多Agent預測預警系統(tǒng)
6.1 多Agent預測預警系統(tǒng)
6.1.1 可行性分析
6.1.2 系統(tǒng)體系結構
6.1.3 關鍵問題及解決思路
6.2 基于KPCASVM方法的水環(huán)境傳感器故障診斷
6.2.1 問題描述
6.2.2 方法介紹
6.2.3 實驗結果及分析
6.3 本章小結
第7章 基于多Agent的多機器人協(xié)同搜尋
7.1 基于多Agent的多機器人協(xié)作系統(tǒng)
7.1.1 多機器人協(xié)作系統(tǒng)的研究現狀
7.1.2 基于多Agent的多機器人協(xié)作
7.2 基于多Agent的多機器人協(xié)同式搜尋
7.2.1 問題描述
7.2.2 方法介紹
7.2.3 仿真實驗及結果分析
7.3 本章小結
參考文獻