封面
版权信息
内容简介
前言
第一部分 分布式人工智能简介
1 概述
1.1 研究背景
1.2 主要研究领域
1.3 相关应用
1.4 当前热点与挑战
参考文献
第二部分 分布式规划与优化
2 分布式规划
- APP免费
2.1 研究背景
- APP免费
2.2 分布式规划的决策模型
- APP免费
2.3 分布式规划的离线算法
- APP免费
2.4 分布式规划的在线算法
- APP免费
2.5 当前热点与挑战
- APP免费
参考文献
- APP免费
3 分布式约束优化
- APP免费
3.1 研究背景
- APP免费
3.2 分布式约束优化问题
- APP免费
3.3 求解算法分类
- APP免费
3.4 完备求解算法
- APP免费
3.5 非完备求解算法
- APP免费
3.6 基准测试问题和典型应用
- APP免费
3.7 当前热点与挑战
- APP免费
参考文献
- APP免费
第三部分 多智能体博弈
- APP免费
4 纳什均衡求解
- APP免费
4.1 研究背景
- APP免费
4.2 正规形式博弈
- APP免费
4.3 纳什均衡与纳什定理
- APP免费
4.4 二人博弈纳什均衡求解算法
- APP免费
4.5 纳什均衡的计算复杂性
- APP免费
4.6 当前热点与挑战
- APP免费
参考文献
- APP免费
5 机制设计
- APP免费
5.1 研究背景
- APP免费
5.2 什么是机制
- APP免费
5.3 拍卖机制设计
- APP免费
5.4 付费搜索拍卖
- APP免费
5.5 当前热点与挑战
- APP免费
参考文献
- APP免费
6 合作博弈与社会选择
- APP免费
6.1 研究背景
- APP免费
6.2 合作博弈论
- APP免费
6.3 核与稳定集
- APP免费
6.4 核仁
- APP免费
6.5 Shapley值
- APP免费
6.6 社会选择
- APP免费
6.7 应用场景
- APP免费
6.8 当前热点与挑战
- APP免费
参考文献
- APP免费
7 博弈学习
- APP免费
7.1 不完美信息扩展式博弈
- APP免费
7.2 均衡计算
- APP免费
7.3 对手利用
- APP免费
7.4 小结
- APP免费
参考文献
- APP免费
第四部分 多智能体学习
- APP免费
8 单智能体强化学习
- APP免费
8.1 研究背景
- APP免费
8.2 强化学习的基本设定
- APP免费
8.3 动态规划
- APP免费
8.4 表格式的强化学习
- APP免费
8.5 深度强化学习
- APP免费
8.6 基准测试平台与实际应用
- APP免费
8.7 当前热点与挑战
- APP免费
8.8 小结
- APP免费
参考文献
- APP免费
9 基于模型的强化学习
- APP免费
9.1 Dyna：基于模型的强化学习经典方法
- APP免费
9.2 打靶法
- APP免费
9.3 基于模型的策略优化方法
- APP免费
9.4 基于模型的方法：从单智能体到多智能体
- APP免费
9.5 小结
- APP免费
参考文献
- APP免费
10 多智能体合作学习
- APP免费
10.1 研究背景
- APP免费
10.2 合作学习问题描述
- APP免费
10.3 基于值函数的合作多智能体强化学习算法
- APP免费
10.4 基于策略的合作学习算法
- APP免费
10.5 基准测试集
- APP免费
10.6 当前热点与挑战
- APP免费
10.7 小结
- APP免费
参考文献
- APP免费
11 多智能体竞争学习
- APP免费
11.1 研究背景
- APP免费
11.2 竞争式问题描述
- APP免费
11.3 基于对手建模的竞争学习算法
- APP免费
11.4 基于群体自博弈的竞争学习算法
- APP免费
11.5 实际应用
- APP免费
11.6 小结
- APP免费
参考文献
- APP免费
第五部分 分布式人工智能应用
- APP免费
12 安全博弈
- APP免费
12.1 研究背景
- APP免费
12.2 安全博弈模型与均衡
- APP免费
12.3 复杂环境下的安全博弈
- APP免费
12.4 实际应用与成功案例
- APP免费
12.5 当前热点与挑战
- APP免费
参考文献
- APP免费
13 社交网络中的机制设计
- APP免费
13.1 研究背景
- APP免费
13.2 传播网络与传播机制
- APP免费
13.3 VCG在网络上的扩展
- APP免费
13.4 基于关键传播路径的拍卖机制
- APP免费
13.5 当前热点与挑战
- APP免费
参考文献
- APP免费
文后内容
更新时间：2023-02-28 18:11:54
完结共111章
倒序