随机与不确定多智能体系统--估计与学习

定　　价：98 元

• 作者：李韬
• 出版时间：2025/3/1
• ISBN：9787030813442
• 出 版 社：科学出版社

• 中图法分类：TP18 
• 页码：227
• 版次：1
• 开本：B5

内容简介

多智能体系统是分布式人工智能的主流方法之一。多智能体系统中存在的各种随机与不确定因素对协同估计与学习算法能否成功运行以及网络的整体性能有重要影响。本书介绍了作者近年来在随机与不确定多智能体系统分布式估计与学习方面的最新研究成果。全书共6章，包括随机分布式共识计算、随机分布式线性回归和基于随机梯度下降的分布式优化算法等，建立了各类算法的收敛性条件以及算法性能与系统参数的定量关系。

更多科学出版社服务，请扫码获取。

作者介绍

入选2017教育部青年"长江学者奖励计划"（青年）； 主持国家自然科学基金优秀青年科学基金。

目 录

目录
前言
第1章 绪论 1
1.1 多智能体系统的产生背景 1
1.2 随机多智能体分布式估计与学习的研究现状 4
1.2.1 分布式共识 4
1.2.2 分布式估计与学习 7
1.2.3 分布式随机凸优化 9
1.3 主要记号 10
第2章 预备知识 12
2.1 图论的基本概念 12
2.2 概率论和实变函数论中的一些引理 13
第3章 随机分布式平均共识 15
3.1 引言 15
3.2 模型与算法 16
3.3 主要结果 20
3.4 特殊的随机图情形 36
3.4.1 马尔可夫切换图情形 36
3.4.2 独立图序列的情形 38
3.5 仿真算例 42
第4章 随机分布式参数估计45
4.1 引言 45
4.2 问题的提出 46
4.2.1 量测模型 46
4.2.2 通信模型 47
4.3 分布式在线参数估计算法 48
4.4 不存在延时情形 51
4.4.1 一般的时变随机网络图情形 51
4.4.2 特殊的时变随机图情形 64
4.5 存在时变随机通信延时的情形 68
4.5.1 等价系统和基本引理 68
4.5.2 主要结果 71
4.6 仿真算例 88
第5章 随机分布式在线正则化学习 93
5.1 引言 93
5.2 分布式正则化线性回归.95
5.3 主要结果 98
5.4 仿真算例 140
第6章 分布式随机梯度下降.145
6.1 引言.145
6.2 问题描述 146
6.3 主要结果 157
6.3.1 算法收敛性 158
6.3.2 特殊情形 169
6.3.3 关于假设的讨论 172
6.3.4 强凸局部成本函数情形的收敛速度 181
6.4 补充引理 198
6.5 仿真算例 208
参考文献 210