多智能体系统建模、仿真及应用(普通高等教育人工智能专业系列教材)

前言
第1章 多智能体系统概述
1.1 自然智能和人工智能
1.1.1 自然智能
1.1.2 人工智能
1.2 多智能体系统
1.2.1 多智能体系统的定义与特点
1.2.2 多智能体系统的形式化描述
1.2.3 多智能体系统理论的发展
1.2.4 多智能体系统的应用
1.3 多智能体系统的主要技术内容
1.4 NetLogo仿真工具
第2章 反应智能体
2.1 复杂自组织系统
2.2 反应智能体建模
2.2.1 纯反应型智能体
2.2.2 ABM建模的基本概念
2.3 扫地机器人反应行为模型
2.4 城市森林公园火灾扑救反应行为模型
第3章 一致性问题
3.1 集体运动和编队队形
3.1.1 集体运动与自组织
3.1.2 模式和聚集
3.1.3 有组织队形
3.1.4 Boids模型
3.1.5 Couzin模型
3.2 基于人工势场法的机器人避障模型
3.3 无人机追捕逃犯模型
第4章 蚁群自组织与共识自主性
4.1 蚁群优化概述
4.1.1 引言
4.1.2 蚁群算法的工作原理
4.1.3 蚁群算法的基本流程
4.1.4 蚁群算法的应用
4.2 蚁群算法的基本实现技术
4.2.1 蚁群算法中的转移概率
4.2.2 信息素的更新机制
4.3 蚁群觅食问题
4.4 月球岩石搜索机器人路径规划
第5章 飞鸟与粒子
5.1 粒子群算法概述
5.1.1 引言
5.1.2 粒子群算法的基本流程
5.1.3 粒子群算法的应用
5.2 粒子群算法的基本实现技术
5.2.1 标准PSO及其扩展
5.2.2 解的空间表示与参数选择
5.2.3 适应度评价函数
5.3 车辆加速度参数优化问题
5.4 公共建筑物人员疏散问题
第6章 遗传与进化智能体
6.1 遗传算法简述
6.1.1 遗传算法的发展历程
6.1.2 遗传算法的基本流程
6.1.3 遗传算法的应用
6.2 遗传算法的基本实现技术
6.2.1 参数编码方式
6.2.2 适应度函数
6.2.3 遗传算子
6.3 餐厨垃圾收运路线优化
第7章 认知智能体
7.1 认知科学
7.1.1 认矢口智能
7.1.2 认知科学的兴起及发展
7.1.3 基于认知科学的人工智能
7.2 认知智能的实现技术
7.2.1 知识图谱
7.2.2 知识图谱架构及基本要素
7.2.3 知识图谱构建技术
7.3 基于目标的城市智能交通模型
7.4 基于效用的高速公路交通模型
第8章 强化学习智能体
8.1 强化学习智能体概述
8.1.1 强化学习智能体的发展历程
8.1.2 强化学习智能体概要
8.1.3 Q学习算法的基本流程
8.1.4 强化学习智能体的应用
8.2 强化学习的基本实现技术
8.3 机器人SARSA学习路径规划
8.4 Q学习跨越障碍机器人
第9章 多智能体网络与通信
9.1 智能体网络与通信问题
9.1.1 引言
9.1.2 智能体通信方式
9.1.3 智能体通信模型
9.1.4 智能体通信语言
9.2 基于广播通信的机器人聚集
9.3 探测器和排雷机器人的点到点通信
第10章 多智能体协调、合作和协商
10.1 多智能体系统的协作机制研究
10.1.1 多智能体协调
10.1.2 多智能体合作
10.1.3 多智能体协商
10.1.4 多智能体协作的主要方法
10.2 机器人合作铺路问题
10.3 机器人的组行为和协调
10.4 无人驾驶出租车协商运输BDI模型
参考文献