多智能體機(jī)器學(xué)習(xí)：強(qiáng)化學(xué)習(xí)方法

譯者序
原書前言
第1章監(jiān)督式學(xué)習(xí)概述
1 1 LS算法
1 2 RLS算法
1 3 LMS算法
1 4隨機(jī)逼近法
參考文獻(xiàn)
第2章單智能體強(qiáng)化學(xué)習(xí)
2 1簡介
2 2 n臂賭博機(jī)問題
2 3學(xué)習(xí)結(jié)構(gòu)
2 4值函數(shù)
2 5最優(yōu)值函數(shù)
2 5.1網(wǎng)格示例
2 6 MDP
2 7學(xué)習(xí)值函數(shù)
2 8策略迭代
2 9 時間差分學(xué)習(xí)
2 10狀態(tài)一行為函數(shù)的時間差分學(xué)習(xí)
2 11 Q學(xué)習(xí)
2 12資格跡
參考文獻(xiàn)
第3章雙人矩陣博弈學(xué)習(xí)
3 1矩陣博弈
3 2雙人矩陣博弈中的納什均衡
3 3雙人零和矩陣博弈中的線性規(guī)劃
3 4學(xué)習(xí)算法
3 5梯度上升算法
3 6 WoLF IGA算法
3 7 PHC算法
3 8 WoLF PHC算法
3 9矩陣博弈中的分散式學(xué)習(xí)
3 10學(xué)習(xí)自動機(jī)
3 11線性回報一無為算法
3 12線性回報一懲罰算法
3 13滯后錨算法
3 14 LR．滯后錨算法
3 14.1仿真
參考文獻(xiàn)
第4章多人隨機(jī)博弈學(xué)習(xí)
4 1簡介
4 2多人隨機(jī)博弈
4 3極大極小Q學(xué)習(xí)算法
4 3.1 2 x2網(wǎng)格博弈
4 4納什Q學(xué)習(xí)算法
4 4.1學(xué)習(xí)過程
4 5單純形算法
4 6 Lemke Howson算法
4 7納什Q學(xué)習(xí)算法實現(xiàn)
4 8朋友或敵人Q學(xué)習(xí)算法
4 9無限梯度上升算法
4 10 PHC算法
4 11 WoLF PHC算法
4 12 網(wǎng)格世界中的疆土防御問題
4 12.1仿真和結(jié)果
4 13 LR．滯后錨算法在隨機(jī)博弈中的擴(kuò)展
4 14 EMA Q學(xué)習(xí)算法
4 15 EMA Q學(xué)習(xí)與其他方法的仿真與結(jié)果比較
4 15.1矩陣博弈
4 15 2隨機(jī)博弈
參考文獻(xiàn)
第5章微分博弈
5 1簡介
5 2模糊系統(tǒng)簡述
5 2.1模糊集和模糊規(guī)則
5 2 2模糊推理機(jī)
5 2 3模糊化與去模糊化
5 2 4模糊系統(tǒng)及其示例
5 3模糊Q學(xué)習(xí)
5 4 FACL
5 5瘋狂司機(jī)微分博弈
5 6模糊控制器結(jié)構(gòu)
5.7 Q(A)學(xué)習(xí)模糊推理系統(tǒng)
5 8瘋狂司機(jī)博弈的仿真結(jié)果
5 9雙車追捕者一逃跑者博弈中的學(xué)習(xí)算法
5 10雙車博弈仿真
5 11 疆土防御微分博弈
5 12疆土防御微分博弈中的形成回報
5 13仿真結(jié)果
5 13.1 個防御者對一個人侵者
5 13 2兩個防御者對一個人侵者
參考文獻(xiàn)
第6章群智能與性格特征的進(jìn)化
6 1簡介
6 2群智能的進(jìn)化
6 3環(huán)境表征
6 4群機(jī)器人的性格特征
6 5性格特征的進(jìn)化
6 6仿真結(jié)構(gòu)框架
6 7零和博弈示例
6 7.1收斂性
6 7 2仿真結(jié)果
6 8后續(xù)仿真實現(xiàn)
6 9機(jī)器人走出房間
6 10機(jī)器人跟蹤目標(biāo)
6 11小結(jié)
參考文獻(xiàn)