更新时间：2023-02-28 18:11:54
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
2.1 研究背景
2.2 分布式规划的决策模型
2.3 分布式规划的离线算法
2.4 分布式规划的在线算法
2.5 当前热点与挑战
3 分布式约束优化
3.1 研究背景
3.2 分布式约束优化问题
3.3 求解算法分类
3.4 完备求解算法
3.5 非完备求解算法
3.6 基准测试问题和典型应用
3.7 当前热点与挑战
第三部分 多智能体博弈
4 纳什均衡求解
4.1 研究背景
4.2 正规形式博弈
4.3 纳什均衡与纳什定理
4.4 二人博弈纳什均衡求解算法
4.5 纳什均衡的计算复杂性
4.6 当前热点与挑战
5 机制设计
5.1 研究背景
5.2 什么是机制
5.3 拍卖机制设计
5.4 付费搜索拍卖
5.5 当前热点与挑战
6 合作博弈与社会选择
6.1 研究背景
6.2 合作博弈论
6.3 核与稳定集
6.4 核仁
6.5 Shapley值
6.6 社会选择
6.7 应用场景
6.8 当前热点与挑战
7 博弈学习
7.1 不完美信息扩展式博弈
7.2 均衡计算
7.3 对手利用
7.4 小结
第四部分 多智能体学习
8 单智能体强化学习
8.1 研究背景
8.2 强化学习的基本设定
8.3 动态规划
8.4 表格式的强化学习
8.5 深度强化学习
8.6 基准测试平台与实际应用
8.7 当前热点与挑战
8.8 小结
9 基于模型的强化学习
9.1 Dyna：基于模型的强化学习经典方法
9.2 打靶法
9.3 基于模型的策略优化方法
9.4 基于模型的方法：从单智能体到多智能体
9.5 小结
10 多智能体合作学习
10.1 研究背景
10.2 合作学习问题描述
10.3 基于值函数的合作多智能体强化学习算法
10.4 基于策略的合作学习算法
10.5 基准测试集
10.6 当前热点与挑战
10.7 小结
11 多智能体竞争学习
11.1 研究背景
11.2 竞争式问题描述
11.3 基于对手建模的竞争学习算法
11.4 基于群体自博弈的竞争学习算法
11.5 实际应用
11.6 小结
第五部分 分布式人工智能应用
12 安全博弈
12.1 研究背景
12.2 安全博弈模型与均衡
12.3 复杂环境下的安全博弈
