智能規(guī)劃理論和方法研究

1 概率論基礎(chǔ)
2 布爾表達(dá)式及其描述
2．1 布爾函數(shù)
2．1．1 布爾代數(shù)
2．1．2 布爾表達(dá)式
2．1．3 布爾函數(shù)
2．1．4 布爾函數(shù)的范式
2．2 命題公式
2．2．1 命題與聯(lián)結(jié)詞
2．2．2 合式公式
2．2．3 命題公式的范式
2．2．4 命題公式與布爾函數(shù)
2．3 布爾表達(dá)式與其他描述形式
2．3．1 真值表
2．3．2 決策樹
2．3．3 二叉決策圖
3 經(jīng)典規(guī)劃求解技術(shù)
3．1 經(jīng)典規(guī)劃概述
3．2 經(jīng)典規(guī)劃問題的求解方法
3．2．1 狀態(tài)空間搜索
3．2．2 規(guī)劃空間搜索
3．2．3 規(guī)劃圖
3．2．4 基于問題轉(zhuǎn)換的規(guī)劃方法
4 智能規(guī)劃語言
4．1 STRIPS語言
4．2 ADL語言
4．3 PDDL語言
4．4 R．DDL語言
4．4．1 RDDL語言的特性Ⅰ
4．4．2 RDDL語言的特性Ⅱ
4．4．3 RDDL語言的特性Ⅲ
5 馬爾科夫決策過程
5．1 MDP基本模型及概念
5．1．1 基本模型
5．1．2 狀態(tài)
5．1．3 行動(dòng)
5．1．4 狀態(tài)轉(zhuǎn)移函數(shù)
5．2 MDP典型算法
5．2．1 動(dòng)態(tài)規(guī)劃法
5．2．2 前向搜索類算法
5．2．3 實(shí)時(shí)動(dòng)態(tài)編程
5．3 POMDP
5．3．1 基本模型
5．3．2 觀察
5．3．3 信念狀態(tài)
5．3．4 策略和值函數(shù)
5．4 POMDP的求解算法
5．4．1 值迭代
5．4．2 策略迭代
6 代數(shù)決策圖
6．1 ADD及其性質(zhì)
6．2 ADD基本操作
6．2．1 布爾操作
6．2．2 算術(shù)操作
6．2．3 提取操作
7 貝葉斯網(wǎng)絡(luò)簡介
7．1 貝葉斯網(wǎng)絡(luò)介紹
7．2 貝葉斯網(wǎng)推理
7．3 貝葉斯網(wǎng)中的獨(dú)立關(guān)系
7．3．1 條件獨(dú)立關(guān)系
7．3．2 上下文獨(dú)立關(guān)系
7．3．3 因果影響?yīng)毩㈥P(guān)系
7．3．4 獨(dú)立關(guān)系的作用
7．4 貝葉斯網(wǎng)絡(luò)的構(gòu)建
8 多代理智能規(guī)劃系統(tǒng)
8．1 Agent的相關(guān)知識(shí)
8．1．1 Agent的分類
8．1．2 Agent的優(yōu)越性
8．2 MAS中的規(guī)劃
8．2．1 多Agent規(guī)劃的形式化描述
8．2．2 MA-PDDL
參考文獻(xiàn)