多智能体机器学习：强化学习方法

本书主要介绍了多智能体机器人强化学习的相关内容。全书共6章，首先介绍了几种常用的监督式学习方法，在此基础上，介绍了单智能体强化学习中的学习结构、值函数、马尔科夫决策过程、策略迭代、时间差分学习、Q学习和资格迹等概念和方法。然后，介绍了双人矩阵博弈问题、多人随机博弈学习问题，并通过3种博弈游戏详细介绍了纳什均衡、学习算法、学习自动机、滞后锚算法等内容，并提出LR-I滞后锚算法和指数移动平均Q学习算法等，并进行了分析比较。接下来，介绍了模糊系统和模糊学习，并通过仿真示例详细分析算法。后，介绍了群智能学习进化以及性格特征概念和应用。全书内容丰富，重点突出。

译者序

原书前言

第1章监督式学习概述

1  1  LS算法

1  2  RLS算法

1  3  LMS算法

1  4随机逼近法

参考文献

第2章单智能体强化学习

2  1简介

2  2  n臂赌博机问题

2  3学习结构

2  4值函数

2  5最优值函数

2  5.1网格示例

2  6  MDP

2  7学习值函数

2  8策略迭代

2  9  时间差分学习

2  10状态一行为函数的时间差分学习

2  11  Q学习

2  12资格迹

参考文献

第3章双人矩阵博弈学习

3  1矩阵博弈

3  2双人矩阵博弈中的纳什均衡

3  3双人零和矩阵博弈中的线性规划

3  4学习算法

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矩阵博弈中的分散式学习

3  10学习自动机

3  11线性回报一无为算法

3  12线性回报一惩罚算法

3  13滞后锚算法

3  14  LR．滞后锚算法

3  14.1仿真

参考文献

第4章多人随机博弈学习

4  1简介

4  2多人随机博弈

4  3极大极小Q学习算法

4  3.1  2  x2网格博弈

4  4纳什Q学习算法

4  4.1学习过程

4  5单纯形算法

4  6  Lemke  -  Howson算法

4  7纳什Q学习算法实现

4  8朋友或敌人Q学习算法

4  9无限梯度上升算法

4  10  PHC算法

4  11  WoLF  -  PHC算法

4  12  网格世界中的疆土防御问题

4  12.1仿真和结果

4  13  LR．滞后锚算法在随机博弈中的扩展

4  14  EMA  Q学习算法

4  15  EMA  Q学习与其他方法的仿真与结果比较

4  15.1矩阵博弈

4  15  2随机博弈

参考文献

第5章微分博弈

5  1简介

5  2模糊系统简述

5  2.1模糊集和模糊规则

5  2  2模糊推理机

5  2  3模糊化与去模糊化

5  2  4模糊系统及其示例

5  3模糊Q学习

5  4  FACL

5  5疯狂司机微分博弈

5  6模糊控制器结构

5.7  Q(A)学习模糊推理系统

5  8疯狂司机博弈的仿真结果

5  9双车追捕者一逃跑者博弈中的学习算法

5  10双车博弈仿真

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报

5  13仿真结果

5  13.1  -个防御者对一个人侵者

5  13  2两个防御者对一个人侵者

参考文献

第6章群智能与性格特征的进化

6  1简介

6  2群智能的进化

6  3环境表征

6  4群机器人的性格特征

6  5性格特征的进化

6  6仿真结构框架

6  7零和博弈示例

6  7.1收敛性

6  7  2仿真结果

6  8后续仿真实现

6  9机器人走出房间

6  10机器人跟踪目标

6  11小结

参考文献