多智能體原理與技術

第1章  簡介                  
 1. 1  智能體的定義                  
 1. 2  基本概念與問題                  
 1. 3  學習                  
 1. 3. 1  自然與人工系統(tǒng)中的學習                  
 1. 3. 2  智能體學習                  
 1. 4  神經(jīng)智能體                  
 1. 4. 1  自組織圖                  
 1. 4. 2  自組織圖的應用                  
 1. 5  進化智能體                  
 1. 6  合作式智能體中的學習                  
 1. 7  計算結構                  
 1. 7. 1  行為包含結構                  
 1. 7. 2  動作選擇結構                  
 1. 7. 3  復合基體結構                  
 1. 8  智能體的行為學習                  
 1. 8. 1  學習智能體的行為                  
 1. 8. 2  行為學習                  
 第2章  行為建模. 規(guī)劃與學習                  
 2. 1  操作行為                  
 2. 2  操作行為的建模與規(guī)劃                  
 2. 2. 1  面向狀態(tài)的表達                  
 2. 2. 2  狀態(tài)轉移函數(shù)                  
 2. 2. 3  基于動作方案的行為規(guī)劃                  
 2. 3  操作行為的學習                  
 2. 3. 1  狀態(tài)轉移的自動歸納                  
 2. 3. 2  經(jīng)驗學習樣本的生成                  
 2. 4  總結                  
 2. 5  其他建模. 規(guī)劃與學習方法                  
 2. 5. 1  人工勢能場                  
 2. 5. 2  人工神經(jīng)網(wǎng)絡                  
 2. 5. 3  APF和ANN的相似與區(qū)別                  
 2. 5. 4  APF與ANN的關系                  
 2. 5. 5  小結                  
 2. 6  其他相關研究與背景                  
 2. 6. 1  裝配操作規(guī)劃                  
 2. 6. 2  AI規(guī)劃                  
 2. 6. 3  操縱行為規(guī)劃                  
 第3章  合成的自治                  
 3. 1  基于行為自組織的合成自治                  
 3. 2  行為自組織                  
 3. 2. 1  概述                  
 3. 2. 2  虛擬運動員智能體                  
 3. 3  總結                  
 3. 4  其他相關研究與背景                  
 3. 4. 1  關節(jié)人物動畫                  
 3. 4. 2  類生命行為                  
 3. 4. 3  隱現(xiàn)行為                  
 第4章  分布式計算的動力性                  
 4. 1  術語與定義                  
 4. 2  方法概述                  
 4. 2. 1  智能體的局部激勵                  
 4. 2. 2  分布式智能體的反應行為                  
 4. 3  基于智能體的分布式搜索的動力性                  
 4. 3. 1  動力系統(tǒng)模型                  
 4. 3. 2  具有不同動態(tài)行為的智能體                  
 4. 3. 3  基于智能體的分布式計算小結                  
 4. 4  評論                  
 4. 4. 1  動力系統(tǒng)建模                  
 4. 4. 2  智能體的準自治                  
 4. 4. 3  基于智能體方法的特點                  
 4. 4. 4  智能體的目標可達性                  
 4. 5  總結                  
 4. 5. 1  待解決的問題                  
 4. 5. 2  擴充                  
 4. 6  其他相關研究                  
 第5章  智能體系統(tǒng)中自組織的自治                  
 5. 1  集體視覺與運動                  
 5. 2  圖像特征檢測與跟蹤中自組織的視覺                  
 5. 2. 1  自組織的視覺                  
 5. 2. 2  二維的網(wǎng)格環(huán)境                  
 5. 2. 3  二維網(wǎng)格中的局部激勵                  
 5. 2. 4  自組織行為                  
 5. 2. 5  復制與擴散(R-D)算法                  
 5. 2. 6  應用實例                  
 5. 3  群體機器人自組織的運動                  
 5. 3. 1  群體導航與回歸任務                  
 5. 3. 2  多智能體系統(tǒng)概述                  
 5. 3. 3  基于局部記憶的行為選擇與基于全局性能的行為學習                  
 5. 3. 4  不同智能體組的動力性                  
 5. 3. 5  應用實例                  
 5. 3. 6  評論                  
 5. 4  總結                  
 5. 5  其他相關研究與背景                  
 5. 5. 1  元胞自動機                  
 5. 5. 2  群體機器人中的學習                  
 第6章  自治計算                  
 6. 1  術語與定義                  
 6. 2  基于適應性自組織行為的智能體                  
 6. 2. 1  概述                  
 6. 2. 2  智能體的適應性自組織行為                  
 6. 2. 3  智能體的收斂                  
 6. 3  智能體的一般特性                  
 6. 4  適應性的復制與擴散(aR-D)算法                  
 6. 5  應用實例                  
 6. 6  計算成本                  
 6. 7  與傳統(tǒng)分割方法的比較                  
 6. 8  基于智能體的搜索中行為特征的效果                  
 6. 9  影響智能體計算的參數(shù)                  
 6. 10  自治智能體的動力性                  
 6. 10. 1  對智能體動力性的理解                  
 6. 10. 2  智能體動力性的連續(xù)模型                  
 6. 10. 3  智能體動力性模型的推導                  
 6. 11  學習與進化之間的平衡                  
 6. 12  總結                  
 6. 13  其他相關研究與背景                  
 6. 13. 1  特征提取                  
 6. 13. 2  分割                  
 第7章  自治計算的動力性與復雜性                  
 7. 1  分散式智能體的行為                  
 7. 2  目標可達性                  
 7. 2. 1  E中的目標可達性(其中dime＝1)                  
 7. 2. 2  E中的目標可達性(其中dime＝2)                  
 7. 2. 3  行為參數(shù)對目標可達性的影響                  
 7. 3  群體的動力性                  
 7. 3. 1  E中的群體動力性(其中dime＝1)                  
 7. 3. 2  E中的群體動力性(其中dime＝2)                  
 7. 4  應用實例                  
 7. 5  自治計算的復雜性                  
 7. 5. 1  背景知識                  
 7. 5. 2  環(huán)境的復雜性                  
 7. 5. 3  應用實例                  
 7. 6  總結                  
 7. 7  其他相關研究                  
 參考文獻                  
 索引