动态贝叶斯网络
动态贝叶斯网络（Dynamic Bayesian Network, DBN），是一个随着毗邻时间步骤把不同变量联系起来的贝叶斯网络。这通常被叫做“两个时间片”的贝叶斯网络，因为DBN在任意时间点T，变量的值可以从内在的回归量和直接先验值（time T-1）计算。DBN是BN（Baysian Network）的扩展，BN也称作概率网络（Probabilistic Network）或信念网络（Belief Network）。前言不确定性理论在人工智能机器学习、自动控制领域已经得到越来越广泛的应用。本书以当前国际上不确定性研究领域的核心工具—动态贝叶斯网络为线索,进行了动态网络推理算法、平稳系统动态贝叶斯网络结构学习模型设计、非平稳系统动态网络变结构学习模型设计、基于概率模型进化算法的动态贝叶斯网络结构寻优算法的研究。推理算法以隐变量作为划分依据,讨论了离散、连续、混合模型的推理算法,并进行了算法复杂度及应用领域的讨论;结构学习研究首先从度量体制人手,讨论了动态网络度量体制的可分解性,提出了平稳及非平稳系统网络结构学习模型,以及基于贪婪算法思想的遗传算法寻优思想;最终将推理及结构学习理论用于无人机路径规划、战场态势感知、动态数据挖掘、自主控制领域,并通过大量仿真检验。本书的研究工作得到了西安工业大学专着甚金及国家自然科学基金重大研究计划(90205019)的资助。本书全面系统地介绍了动态贝叶斯网络的相关理论,重点介绍了动态网络的经典应用和国内外的新发展。全书共分9章。第1章概述了动态贝叶斯网络的产生与发展、基本操作及表达。第2章和第3章为本书的理论基础部分,首先从静态网络已经取得的理论成果及研究内容人手,由浅入深引出动态贝叶斯网络的基本概念及研究方向,确定本书将要解决的主要问题:DBN推理问题和连续变量的DBN结构学习问题。第4章在第3章基础上,详细讨论了三类动态贝叶斯网络的推理即隐变量离散、隐变量连续、隐变量混合DBN推理;隐马尔科夫模型是所有离散动态网络的基础,故首先介绍其表达及推理,由此派生出其他离散动态网络,并讨论了奶何将复杂离散网络转化为简单HMM的方法,通过算法复杂度实验分析,明确了离散动态网络的相应属性,得出了相应结论,为合理选择DBN推理算法提供依据;在推理中,若系统参数未知或为时变系统,必然涉及参数学习,故在讨论三类网络的推理中亦涉及参数学习问题。第5章从静态网络结构度量机制入手,讨论并推导出动态贝叶斯网络结构用于网络结构度量的BIC及BD度量机制;通过描述基于概率模型进化算法的构图基础,引出动态贝叶斯网络结构学习机制,即基于贝叶斯优化(BOA)的动态网络结构寻优算法,BOA算法的关键是根据优良解集学习得到动态贝叶斯网络,以及根据动态贝叶斯网络推理生成新个体,前者更为重要,按照本书提出的基于贪婪箅法思想的遗传算法解决动态网络学习,然后应用动态贝叶斯网络前向模拟完成后一步。第6章在此基础上,刻画了基于BD度量体制的平稳动态系统DBN结构学习模型设计,并通过仿真验证了其有效性针对非平稳随机系统DBN的结构学习模型,提出了一种自适应窗口法用于在线自适应学习变结构DBN结构,仿真结果可行。第7章在第4章DBN推理理论的基础上,从以往UCAⅴ路径规划中使用的方法以及涉及的定义、术语等出发,讨论了静态路径规划、动态路进规划及空间路径规划三方面的基本问题,通过对原始 Voronoi图的改进,提出了平面改进型Voronoi图、空间改进型 Voronoi图的概念,以及平面及空间动态路径重规划区域原则等,为动态路径规划提供有力的整体构型支撑,进而应用前几章理论基础,建立基于DBN的战场环境感知模型,仿真结果均表明了构图及动态决策模型的正确性。第8章在DBN推理及结构学习的理论基础上,将其用于自主优化及动态数据挖掘。将BOA及基于概率模型的遗传算法的静态图形的优化机制进行推广,提出了一种动态优化的新方法,利用DBN作为t到t+1代转移网络,适时改变优化的基本条件,实时确立新的种群及优化的方向,使得自主智能体在无人干预下顺利完成一系列复杂任务成为可能,将变结构DBN结构学习模型设计用于动态数据挖掘,实时确定个因素之间的关系。第9章通过两个典型的应Ⅳ用实例,将DN推理学习理论进行融合,并用于实际模型。附录给出了与DN结构度量相关定理、性质的证明,为读者进一步研究和学习动态贝叶斯网络提供参考。本书是作者近年来潜心学习和研究国内外不确定性算法理论、方法和应用成果的一个总结。在本书的编写过程中,得到了西安电子科技大学焦李成教授和清华大学戴琼海教授及英国BankUniversity陈大庆教授的热心指导和鼓励,新加坡南洋理工大学的王海芸博土后审阅了书稿,并提出了许多宝贵意见,特向他们表示衷心的感谢。由于涉及内容广泛及限于作者的学识水平,书中疏漏和不当之处在所难免,希望读者不吝赐教指正。作者目录第1章图模型与贝叶斯网络1.1图模型简介1.2动态贝叶斯网络鲁+垂香曲1.3动态贝叶斯网络应用研究1.3.1动态时序数据分析与挖掘曾··會世57781.3.2无人机的态势感知与路径规划1.3.3.进化算法与动态贝叶斯网络混合优化…10第2章静态贝叶斯网络…112.1静态贝叶斯置信网络2.2贝叶斯网络的特点与应用范围……………152.3贝叶斯网络的研究内容162.3.1计算复杂性162.3.2网络结构的确定问题2.3.3已知结构的参数确定问题…………182.3.4在给定结构上的概率计算…4福通而看高自曲着看西画192.3.5贝叶斯网络推理算法…………………19第3章动态贝叶斯网络基础283.1从静态网到动态网283.1.1概述283.1.2推导…………………………293.1.3动态贝叶斯网络表达要鲁垂鲁鲁中t曲·曹市壘曾曹吾普·量313.2动态贝叶斯网络的研究内容…………353.2.1动态贝叶斯网络推理……………………363.2.2动态贝叶斯网络学习…………………………39第4章动态贝叶斯网络推理464.1隐变量离散动态网络推理464.1.1模型数学描述…………………464.1.2马尔科夫的研究内容…4.1.3隐马尔科夫推理学习仿真…534.1.4隐马尔科夫其他拓扑形式…………564.1.5一般离散动态网络和隐马尔科夫关系584.2动态贝叶斯网络推理算法性能分析604.2.1动态网络转化隐马尔科夫仿真…614.2.2离散动态网络推理算法比较仿真……634.2.3连续动态网络推理比较仿真………724.3模糊推理与隐马尔科夫结合炮火校射……………754.3.1概述…音曲曹香音音音吾晋自粤吾·自·754.3.2模糊动态网络环境感知框架754.4隐变量连续动态网络推理4.4.1模型数学描述…794.4.2卡尔曼滤波图模型推理·日·曹曹曾鲁····804.5混合隐状态动态贝叶斯网络834.5.1模型数学描述……b音量章申曾要中命要即命·甲看834.5.2混合动态贝叶斯网络推理864.5.3混合动态贝叶斯网络学习89第5章动态贝叶斯网络结构学习算法……915.1动态贝叶斯网络结构度量体制…………915.1.1概述…………915.1.2动态网络的贝叶斯信息度量935.1.3动态贝叶斯网络BD度量965.2动态贝叶斯网络度量分解性能分析省着带鲁曹曹曹鲁鲁鲁虚鲁鲁中·985.3构建动态网络结构寻优算法…1145.3.1基于概率模型的进化算法…1155.3.2基于贝叶斯优化构造动态网络结构算法…1165.3.3学习动态贝叶斯网络……………1185.3.4动态夏叶斯网络推理1275.4基于贝叶斯优化构建动态网络结构算法仿真…128第6章动态贝叶斯网络结构学习模型1346.1平稳系统动态网络结构学习模型设计1346.1.1模型设计1356.1.2仿真试验1386.2变结构动态网络自适应结构学习模型设计…………1446,2,1模糊自适应双尺度1446.2.2动态系统非平稳程度和平稳性的测量1516.3非平稳系统网络结构学习仿真试验153第7章基于动态贝叶斯网络的路径规划1657.1无人机平面静态路径规划…1657.1.1基本概念……………1657.1.2基于相同威胁体的路径规划…1667.1.3不同威胁体下平面路径规划1717.1.4路径细化暨要命要曹吾帝吾辛事壶要面要吾吾曹中垂要晋吾曹事1767.2无人机动态路径规划1787,2.1概述1797.2.2平面动态环境下局部路径构图原则1797.2.3威胁变化下无人机平面路径规划………1827.2.4突发威胁体下无人机平面路径重规划研究1867.3无人机空间路径规划研究………………………1907.3.1空间改进型 Voronoi图………1907.3.2威胁变化下局部路径构图区域原则1957.3.3局部路径选择原则及战场感知模型…197第8章基于动态贝叶斯网络的自主控制…1998.1概述…1998.2快速构建决策网络结构方法…2008.2.1链形决策网络模型的建立………2018.2.2决策网络树形模型结构学习算法…2048.2.3一般决策网络结构学习算法2058.3进化算法与动态网络混合优化……2068.3.1算法基本思想2068.3.2转移网络作用中鲁鲁··章鲁···自··………2108.3.3混合优化自主控制算法描述…2108.3.4混合优化自主控制算法软件实现………211第9章无人机自主控制应用研究2249.1基于混合优化的无人机路径重规划.2249.1.1自主控制过程描述2249.1.2混合优化无人机路径规划仿真…2259.2无人机攻击多目标路径规划………………2379.2.1自主控制过程描述……………2389.2.2初始动态网络图构型2399.2.3无人机自主攻击多随机运动目标仿真240附录贝叶斯网络局部结构度量数学基础250A.1链形模型局部结构度量250A.2树形模型局部结构度量253A.3局部贝叶斯网络度量………………………………257参考文献…………………………………262
- 2021-05-06下载
- 积分：1
多智能体系统的协同群集运动控制
《多智能体系统的协同群集运动控制》以多智能体系统协同群集运动控制为主线，首先介绍了图论和控制器设计所用到的基础理论知识；其次，分别从拓扑结构的边保持和代数连通度两个角度介绍了连通性保持条件下的协同群集运动控制协议设计方法；进而，针对典型的轮式移动机器人非完整约束模型介绍了连通性保持条件下的协同控制策略，为简化系统复杂拓扑结构，还介绍了基于骨干网络提取的协同群集运动控制策略；书中将个体动态模型提升到高阶非线性系统模型，介绍了高阶非线性系统协同控制协议设计方法；最后，针对多智能体系统非合作行为检测与隔离进行了详细介绍，并提出了相关算法。内容简介本书以多智能体系统协同群集运动控制为主线,首先介绍了图论和控制器设计所用到的基础理论知识;其次,分别从拓扑结构的边保持和代数连通度两个角度介绍了连通性保持条件下的协同群集运动控制协议设计方法;进而,针对典型的轮式移动机器人非完整约束模型介绍了连通性保持条件下的协同控制策略,为简化系统复杂拓扑结构,还介绍了基于骨干网络提取的协同群集运动控制策略;书中将个体动态模型提升到高阶非线性系统模型,介绍了高阶非线性系统协同控制协议设计方法;最后,针对多智能体系统非合作行为检测与隔离进行了详细介绍,并提出了相关算法。本书可作为系统与控制及其相关研究领域的科研工作者、工程技术人员、高等院校师生的参考书,也可作为研究生和高年级本科生的教科书。图书在版编目(CIP)数据多智能体系统的协同群集运动控制/陈杰,方浩,辛斌著.一北京:科学出版社,2017(系统与控制丛书)ISBN978-7-03-051165-2L.①多…Ⅱ.①陈…②方…③辛…Ⅲ.①人工智能-研究Ⅳ.①TP18中国版本图书馆CP数据核字(2016)第310934号责任编辑:杨向萍裴育纪四稳/责任校对:桂伟利责任印制:张倩/封面设计:蓝正舞学出服出版北京东黄城根北街16号邮政编码:100717http://www.sciencep.com京通州皇家印刷厂印刷科学出版社发行各地新华书店经销2017年1月第一版开本:720×10001/162017年1月第一次印刷印张:1414字数:268000定价:95.00元(如有印装质量问题,我社负责调换)《系统与控制丛书》编委会主编:郭雷中国科学院数学与系统科学研究院副主编:陈杰北京理工大学编委:洪奕光中国科学院数学与系统科学研究院黄捷Chinese University of Hong Kong姜钟平Polytechnic Institute of New YorkUniversity USAFrank lewisUniversity of Texas at Arlington, USA林宗利University of Virginia, USA申铁龙Sophia University, Japan谈自忠Washington University, USA谢立华Nanyang Technological UniversitySingapore殷刚Wayne State University, USA张纪峰中国科学院数学与系统科学研究院周东华清华大学编者的话我们生活在一个科学技术飞速发展的信息时代,诸如宇宙飞船、机器人、因特网、智能机器及汽车制造等高新技术对自动化提出了更高的要求。系统与控制理论也因此面临着更大的挑战。它必须能够为设计高水平的物理或信息系统提供原理和方法,使得设计出的系统能感知并自动适应快速变化的环境。为帮助系统控制专业的专家、工程师以及青年学生迎接这些挑战,科学出版社和中国自动化学会控制理论专业委员会合作,设立了《系统与控制丛书》的出版项目。本丛书分中、英文两个系列,目的是出版一些具有创新思想的高质量著作,内容既可以是新的研究方向,也可以是至今仍然活跃的传统方向。研究生是本丛书的主要读者群,因此,我们强调内容的可读性和表述的清晰。我们希望丛书能达到这些目的,为此,期盼着大家的支持和奉献!《系统与控制丛书》编委会2007年4月1日序言自20世纪50年代以来,控制科学不断发展,诞生了诸如最优控制、鲁棒控制、非线性控制等众多研究方向以及大量的科研成果,极大地推动了第三次工业革命的发展。但近年来,由于控制对象规模呈爆炸式增长、信息化社会生成海量数据,系统与控制科学作为一门面向应用的学科正面临着许多重大挑战;同时,计算机科学以及人工智能的兴起也为系统与控制科学的发展带来了新的机遇和启示。受到自然界广泛存在的生物种群有序运动现象的启发,多智能体的研究开始受到广大学者的关注。70年代末期,智能体概念初现,主要研究如何通过协作方式分布式求解问题。90年代,多智能体系统涌现出自主性、社会能力、反应性等特性,使多智能体协同成为控制领域的研究热点。目前,多智能体协同已经应用于智能机器人交通控制、柔性制造、网络自动化和作战智能体模型等领域。毫无疑问,未来几年多智能体协同仍将吸引更多学者的广泛关注,继续在系统与控制科学的发展中扮演十分重要的角色。多智能体协同控制所要解决的根本问题在于如何设计合理的控制协议来协调多个个体统一完成任务,这与传统基于单一对象的控制理论有很大的区别。陈杰教授团队对此进行了大量的研究工作,并取得了很好的研究成果。该书以多智能体系统协同群集运动控制为主线,结合作者在该领域多年的研究积累及国内外最新的研究成果,给出了基于代数连通度估计、基于骨干网络等多种分布式群集运动控制方法,同时考虑了系统连通性保持、模型参数不确定性、多任务约束等诸多限制条件,扩展了相应成果的应用范围。全书内容丰富,论述深入浅出,既有严谨的理论推导与证明,又有数值仿真与实物实验验证,是一本难得的介绍控制理论在多智能体协同控制方面最新研究进展的学术专著。当前世界正在发生着深刻的变革,以互联网产业化、工业智能化、工业一体化为代表的第四次工业革命正悄然到来。该书所研究的内容顺应了当前工业发展的潮流,在民用、军用等领域有着广阔的应用前景,也非常适合相关领域的学者和工程技术人员参考阅读。序言我相信,该书的出版能够对多智能体协同控制领域的研究发展有所帮助,也希望作者能够在该方向上持续研究,取得更多的高水平研究成果。郑列了西安交通大学教授中国自动化学会理事长中国工程院院士2016年12月前言智能体的概念来源于分布式人工智能的思想,通常而言,可以把智能体定义为用来完成某类任务,能作用于自身和环境、有生命周期的一个物理的或抽象的计算实体。智能体的特点是具有自主性、局部通信/感知能力、分布式协作能力、任务分解能力、自适应性和推理能力。而多智能体系统是由多个智能体组成的具有松散耦合结构的,并且通过系统中智能体之间以及智能体与环境之间的通信、协商和协作来共同完成单个智能体( Agent)因能力、知识或资源上的不足而无法解决的问题的系统。多智能体系统通过相互协作,可以完成超出它们各自能力范围的任务,使得系统整体能力大于个体能力之和。鲁棒性、分散性、自组织性是多智能体系统动态行为的基本特征。多智能体协同控制是目前控制科学研究领域的一个热点课题在许多国际期刊及会议中,每年均有大量关于多智能体系统的研究文章出现。多智能体系统由个体的动态模型、通信网络拓扑、分布式控制律(或者协议/规则)三个基本要素构成。本书以多智能体系统协同群集运动控制为主线,围绕上述三个基本要素,首先介绍图论和控制器设计所用到的基础性理论等背景知识;其次面向典型应用,考虑实际约東条件,分别从拓扑结构的边保持和代数连通度两个角度介绍通信连通性保持条件下的协同群集运动控制协议设计方法;进而,从个体动态模型和拓扑结构模型两方面继续深入,针对典型的轮式移动机器人非完整约束模型介绍连通性保持条件下的协同控制策略,为简化系统拓扑结构对控制器设计的影响,介绍基于骨干网络提取的协同群集运动控制策略;书中还将个体动态模型由简单的一阶、二阶线性模型提升到高阶非线性系统模型,介绍高阶非线性系统协同控制协议设计方法;最后针对多智能体系统非合作行为检测与隔离进行详细介绍,并提出相关算法。本书内容自成体系,旨在向读者详细介绍多智能体系统协同群集运动控制的基础理论和最新研究成果本书由11个章节构成。第1章为基础知识部分,首先对多智能体群集运动控制、一致性控制以及非合作行为检测与补偿进行全面的综述,其次介绍在理论推导过程中所用到的代数图论的基础理论知识。第2章介绍在无法获取动态领航者智能体的加速度信息的条件下,进行连通性保持的有界群集运动控制方法。第3章从前言全局连通性的角度,介绍基于代数连通度分布式估计的连通性保持控制方法。第4章针对非完整约束轮式机器人,介绍连通性保持下的多移动机器人群集控制。第5章介绍层次型骨干网络的建立方法,以及基于骨干网络提取的协同避障运动控制方法。第6章针对参数不确定的高阶非线性多智能体系统,设计分布式控制器实现系统的一致性。第7章针对 Brunovsky型高阶非线性多智能体系统,设计分布式一致性控制器。第8章针对高阶非线性多智能体系统,设计自适应鲁棒一致性控制器,并对控制器性能进行分析。第9章在多任务约束下,设计多智能体一致性控制器。第10章介绍一阶多智能体系统的非合作行为检测、隔离与修复算法。第11章介绍基于邻居相关状态的多智能体非合作行为检测与隔离算法。感谢中国自动化学会控制理论专业委员会、《系统与控制丛书》编委会对本书出版的大力支持。本书得到了国家杰出青年科学基金项目(60925011)、国家自然科学基金创新研究群体项目(61321002、61621063)、国家自然科学基金重大国际合作研究项目(61120106010)、国家自然科学基金项目(61573062、61304215、61673058)、北京市优秀博士学位论文指导教师科技项目(20131000704)的资助,在此表示衷心的感谢。同时,还要感谢本领域相关同行学者在本书撰写过程中给予的热心支持,以及毛昱天、黄捷、杨庆凯、李俨、尉越、卢少磊、吴楚、王雪源、商成思、开昰雄、罗明等同学对本书出版给予的大力帮助。由于作者水平有限,书中疏漏和不妥之处在所难免,敬请读者批评指正。作者2016年11月目录编者的话序言前言第1章绪论··················.······1.1多智能体分布式群集运动控制12多智能体一致性控制概述51.2.1低阶积分器多智能体一致性……1.2.2高阶线性多智能体一致性…111.2.3高阶非线性多智能体一致性1713多智能体非合作行为检测与补偿概述2114代数图论背景知识…………26第2章连通性保持条件下多智能体系统群集运动控制3121研究背景3122问题描述312.3领航跟随群集运动控制律∴……………………………·3224稳定性分析……………3425仿真和实验372.51数值仿真37252实物实验,,,,·,,,,,………………402.6结论………………43第3章基于代数连通度估计的多智能体系统群集运动控制·4431研究背景443.2问题描述…………………………………………443.3控制律设计∴………………4634入2的分布式估计473.5稳定性分析52
- 2020-12-11下载
- 积分：1
