多智能体模型与实验2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

多智能体模型与实验PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

目录1

第1章　为什么需要多个机器人1

1.1　多机器人的优点1

1.2　经典问题2

1.3　智能体与多智能体系统2

1.4　多智能体机器人学3

第2章　合作式机器人的控制6

2.1　与合作有关的研究6

2.1.1　分布式的人工智能7

2.1.2　分布式系统7

2.1.3　生物学7

2.2　学习，进化与适应8

2.3　多机器人控制的设计9

第3章　主要的机器人技术11

3.1　基于行为的机器人技术11

3.2　集体机器人技术12

3.3　进化机器人技术13

3.4　来自生物学与社会学的启发15

3.5　总结16

第4章　计算模型与技术17

4.1　强化学习17

4.1.1　马尔可夫决策过程18

4.1.2　强化学习算法18

4.1.5　多智能体强化学习19

4.1.3　时间差分技术19

4.1.4　Q-学习19

4.2　遗传算法21

4.3　人工生命22

4.4　人工免疫系统23

4.5　概率建模24

4.6　有关多机器人规划与协调的研究25

第5章 多智能体机器人系统设计主要的研究课题27

5.1 自组织27

5.2　局部性能与全局性能28

5.3　规划28

5.5　协同进化29

5.4　多机器人学习29

5.6　隐现行为30

5.7　反应式系统与推理式系统30

5.8　异类系统与同类系统31

5.9　模拟机器人与实体机器人31

5.10　多智能体机器人系统的动力性32

5.11 总结33

第6章　多智能体强化学习中的技术34

6.1 自治的群体机器人34

6.1.1　概述34

6.1.2　感知能力35

6.1.3　远程传感器35

6.1.4　短程传感器36

6.1.5　激励提取37

6.1.6　简单行为39

6.1.7　运动机制40

6.2　多智能体强化学习40

6.2.1　强化学习的原理41

6.2.2　行为选择机制43

6.3　多智能体强化学习工具箱43

6.3.1　体系结构43

6.3.2　文件组织45

6.3.3　函数说明45

6.3.5　数据结构47

6.3.4　用户设置47

6.4　总结48

第7章 多智能体强化学习中的结果分析50

7.1　测量50

7.1.1　激励频率50

7.1.2　行为选择频率52

7.2　群体行为52

7.2.1　集体包围52

7.2.2 RANGER机器人间的合作56

7.2.3　不同机器人群的并发学习61

第8章 多智能体强化学习中的要素71

8.1　集体感知71

8.2　初始空间分布79

8.4　行为选择机制83

8.3　反S型函数83

8.5　运动机制87

8.6　隐现的周期性运动89

8.7　宏观稳定而微观不稳定的属性90

8.8 主导行为91

第9章　进化的多智能体强化学习93

9.1　机器人群示例93

9.1.3　行为学习机制95

9.2　进化群体运动策略95

9.1.2 目标的运动特征95

9.1.1 目标的空间分布95

9.2.1　染色体表示96

9.2.2　适应度函数96

9.2.3　算法98

9.2.4　遗传算法中的参数98

9.3 例子99

9.4　进化的多智能体强化学习工具箱103

9.4.1 文件组织103

9.4.2 函数说明103

9.4.3　用户设置104

9.5 总结105

第10章 双智能体系统中的协同行为106

10.1　研究重点106

10.3　双智能体系统的特殊角色107

10.2　双智能体的学习107

10.4　机器人智能体的基本能力108

10.5　建议提供智能体的基本原理109

10.5.1　基本动作——学习的先决条件109

10.5.2　一般性行为的遗传规划109

10.5.3　特殊策略性行为的遗传规划110

10.6　复杂行为的学习111

10.6.1　实验设计111

10.6.2　机器人环境的复杂性111

10.6.4　平面姿态112

10.6.3　实验结果112

10.6.5　曲线姿态115

10.6.6　角姿态115

10.6.7　点姿态115

10.7　总结115

第11章　集体行为117

11.1　群体行为118

11.1.1　什么是群体行为118

11.1.2　群体行为学习回顾118

11.2　方法119

11.2.1　基本思想119

11.2.3　集体推箱的性能标准120

11.2.4　集体推箱行为的进化120

11.2.2　群体机器人120

11.2.5　远程的进化计算智能体121

11.3　应用排斥力的集体推箱121

11.3.1　人工排斥力模型122

11.3.2　推力与箱子的相应运动122

11.3.3　染色体表示122

11.3.4　适应度函数123

11.3.5　例子124

11.4　用外部接触力与力矩集体推箱129

11.4.1 3个群体机器人与箱子之间的交互作用129

11.4.2　推圆柱体箱子129

11.4.3　推立方体箱子130

11.4.5　适应度函数131

11.4.4　染色体表示131

11.4.6　例子132

11.5　最优保留进化的收敛性分析144

11.5.1 马尔可夫链的转移矩阵144

11.5.2　用特征值描述转移矩阵特征145

11.6　进化的集体行为实现工具箱148

11.6.1 用人工排斥力集体推箱的工具箱149

11.6.2　实现推圆柱体箱子或立方体箱子任务的工具箱153

11.7　总结158

第12章 多智能体的自组织159

12.1　人工势能场160

12.1.1　基于人工势能场的运动规划160

12.2 自组织概述161

12.1.2　集体势能场图的构建161

12.3　势能场图的自组织162

12.3.1　机器人的坐标系162

12.3.2　接近度测量163

12.3.3　邻域的距离联想163

12.3.4　势能场图的递增式自组织164

12.3.5　机器人的运动选择165

12.4　实验12-1166

12.4.1　实验设计166

12.4.2　实验结果167

12.5　实验12-2172

12.5.1　实验设计172

12.6　讨论177

12.5.2　实验结果177

12.7　多智能体自组织工具箱179

12.7.1　体系结构179

12.7.2　文件组织179

12.7.3　函数说明179

12.7.4　用户设置182

12.7.5　数据结构182

第13章　进化的多智能体自组织183

13.1　合作式运动策略的进化184

13.1.1　接近度激励的表示185

13.1.2　激励-反应对185

13.1.4　适应度函数186

13.1.3　染色体表示186

13.1.5　算法187

13.2　实验13-1189

13.2.1　实验设计191

13.2.2　与非进化模式的比较191

13.2.3　实验结果192

13.3　讨论196

13.3.1　群体行为的进化196

13.3.2　机器人的合作196

13.4　进化的多智能体自组织工具箱199

13.4.1　体系结构199

13.4.4　用户设置201

13.4.3 函数说明201

13.4.2　文件组织201

13.4.5　数据结构204

13.5 总结207

第14章 多智能体机器人技术工具箱208

14.1　概述208

14.2　例子208

14.2.1　真实图的计算209

14.2.2　初始化211

14.2.3　开始212

14.2.4　结果显示213

参考文献215

索引231