正版新书]群体智能与智能网联 原理、算法与应用李荣鹏,赵志峰97

目录<br />前言<br />第 1 章 绪论    1<br />1.1 群体智能与智能网联概述     1<br />1.2 国内外研究现状     4<br />1.2.1 群体智能优化算法    4<br />1.2.2 多智能体系统    5<br />1.2.3 广义群体智能     11<br />1.3 本书结构    12<br />参考文献    13<br />第一篇 原理篇<br />第 2 章 群体智能的通信与网络模式    20<br />2.1 多智能体通信    20<br />2.1.1 直接通信    21<br />2.1.2 间接通信    24<br />2.2 组网方式    30<br />2.2.1 集中式结构     30<br />2.2.2 去中心化结构     31<br />2.2.3 自组织网络     32<br />2.3 多智能体学习    33<br />2.3.1 多智能体强化学习的 3 种<br />组织架构    34<br />2.3.2 基于通信的多智能体强化<br />学习    35<br />参考文献    38<br />第 3 章 群体智能知识表征、知识表达<br />与计算    40<br />3.1 知识表征与计算    40<br />3.1.1 知识表征方法     41<br />3.1.2 知识传递与迁移     47<br />3.1.3 角色与任务分解     53<br />3.2 知识表达与计算    56<br />3.2.1 IEML 的基本概念    57<br />3.2.2 IEML 模型     60<br />3.2.3 IEML 算法结构     63<br />3.2.4 IEML 语义计算     68<br />参考文献    69<br />第 4 章 因果涌现与群体智能    76<br />4.1 涌现的定义与分类    76<br />4.2 因果涌现建模理论    81<br />4.2.1 基本理论框架     81<br />4.2.2 信息转换观点     86<br />4.2.3 获得微观到宏观的很好<br />抽象    89<br />V<br />4.3 深度学习中的因果涌现     91<br />4.3.1 神经网络可解释性    91<br />4.3.2 神经网络与有效信息    92<br />4.4 群体智能中的涌现    93<br />4.4.1 鸟群中的涌现     94<br />4.4.2 鱼群中的涌现     96<br />参考文献    97<br />第二篇 算法篇<br />第 5 章 多智能体强化学习    100<br />5.1 融合共识主动性机制的独立<br />强化学习    102<br />5.1.1 SIRL 算法概述    102<br />5.1.2 SIRL 算法模块简介    103<br />5.1.3 SIRL 算法性能    111<br />5.2 基于平均场理论的多智能体<br />强化学习    114<br />5.2.1 平均场理论    114<br />5.2.2 非合作场景中的平均场<br />近似    116<br />5.2.3 合作场景中的平均场<br />近似    119<br />参考文献    123<br />第 6 章 合作式梯度更新    126<br />6.1 基本原理    126<br />6.1.1 随机梯度下降    127<br />6.1.2 联邦学习    127<br />6.1.3 联邦周期平均方法     129<br />6.2 更新方式的影响    130<br />6.2.1 同步更新    132<br />6.2.2 异步更新    134<br />6.3 优化方法    135<br />6.3.1 基于衰减的优化方法     136<br />6.3.2 基于共识的优化方法     139<br />参考文献    141<br />第 7 章 图神经网络    143<br />7.1 图的基本概念     143<br />7.1.1 图的定义    143<br />7.1.2 图的拉普拉斯矩阵     145<br />7.1.3 图网络的任务    147<br />7.2 常见的图神经网络模型     148<br />7.2.1 谱域图神经网络模型     149<br />7.2.2 空域图神经网络模型     152<br />7.2.3 时变图神经网络模型     157<br />7.3 图神经网络与机器学习     161<br />7.3.1 图神经网络与深度学习   161<br />7.3.2 图神经网络与强化学习   164<br />7.3.3 图神经网络与联邦学习   168<br />参考文献    173<br />第 8 章 仿生物智能学习    176<br />8.1 蚁群算法    176<br />8.1.1 蚁群算法描述    176<br />8.1.2 蚁群算法的改进     182<br />8.2 群体学习    185<br />8.2.1 群体学习框架    185<br />8.2.2 群体学习性能分析     187<br />VI<br />参考文献    188<br />第三篇 应用篇<br />第 9 章 6G 与内生智能    192<br />9.1 移动通信网络发展趋势     192<br />9.1.1 5G 能力浅析    192<br />9.1.2 6G 远景展望    194<br />9.2 内生智能架构初探    196<br />9.2.1 独立数据面与数据治理<br />框架    197<br />9.2.2 智能面    198<br />9.2.3 网络功能面    201<br />9.2.4 一切即服务平台     202<br />9.3 智能通信网络典型场景     202<br />9.3.1 算法介绍    203<br />9.3.2 性能分析    204<br />参考文献    208<br />第 10 章 车联网与自动驾驶    210<br />10.1 无人驾驶技术简介    210<br />10.1.1 无人驾驶分级标准     210<br />10.1.2 无人驾驶系统架构    212<br />10.2 车路协同与无人驾驶     215<br />10.2.1 无人驾驶演进趋势     215<br />10.2.2 车路协同系统网络<br />架构    215<br />第 11 章 工业互联网与网联机<br />器人    221<br />11.1 工业互联网    221<br />11.1.1 演进趋势    221<br />11.1.2 时间敏感网络    223<br />11.2 网联机器人    227<br />11.2.1 铸造机器人：多任务协同<br />优化    227<br />11.2.2 仓储物流机器人：路径规<br />划与协同避障    232<br />参考文献    234 <br />

?聚焦前沿 <br>
本书聚焦新一代人工智能的重要方向——群体智能和智能网联，向读者介绍人工智能和移动互联网交叉融合的理论基础与发展前景，以及应用于车联网、工业互联网等前沿领域的近期新进展。<br>
?内容翔实<br>
本书基于作者的专业背景和长期实践经验，对群体智能和智能网联的相关概念和技术进行了全面调研、深入研究和精准解读，为读者提供详尽的理论知识和丰富具体的应用实例，兼顾科普性与专业性，理论性与实用性。<br>
?系统全面 <br>
本书着眼于通信与计算的深度融合，涵盖信息、仿生、社会、经济等众多领域相关概念，从原理、算法、技术应用三个维度依次展开，希望给读者以更加系统、全面、宏观的阐述与解读。