随机多智能体系统一致稳定性分析大致可区分为: 带随机噪声的多智能体系统的一致稳定性分析, 切换拓扑下随机多智能体系统一致稳定性分析, 随机时滞多智能体系统一致稳定性分析, 随机多智能体系统分布式优化控制一致稳定性分析. 对此, 从以上4 个方面对随机多智能体系统稳定性问题的研究进展及其存在的问题进行阐述, 并对随机多智能体系统一致稳定性的进一步研究方向进行了展望.

基于脉冲控制下，多智能体的状态趋于一致的仿真代码

本程序是自己针对一篇IEEE TCST文章，用matlab编程实现，已验证可以运行。附件有详细的程序使用说明，和对应的文章。适合多智能体的编队或一致性研究的初学者学习。(这个程序上传的时候少了一个m文件，请搜索本人上传的所有资源找到补充文件)

人工智能-机器学习-面向多智能体协作的启发式联盟结构生成算法研究.pdf

人工智能-机器学习-驾驶员智能体交通流混合仿真系统的建立与应用.pdf

人工智能-机器学习-机械制造车间生产作业多智能体规划原理与板材套料优化方法的研究.pdf

大神的干货 该书最终的目的是：通过理解智能，学习如何学习。 1. 如何机器学习 2. 如何大脑学习 未经允许禁止转载。 邮箱：gxiiukk@gmail.com 知乎：https://www.zhihu.com/people/YJango 网页：http://gxiiukk.wixsite.com/super 微博：http://weibo.com/YJango Github：https://github.com/YJango 公开课视频：深层神经网络设计理念

安全技术-网络信息-面向复杂网络的多智能体进化聚类算法算法研究.pdf

固定拓扑和交换拓扑下多智能体系统的分散稳定性

文件说明： 一、算法代码文件夹内容： 附录A: cal_matrix.py 是仅限1v1情形下计算“normal form”的支付矩阵中的每一个元素的值的代码， 用于一致性检验，例如<4,2,2>情形下其输出为一个6x6矩阵。 附录B: LH.py是使用LH源代码的matlab代码的接口文件，由于LH源代码在健壮性和格式统一上有所不足， 因而编写该文件方便进行调用。 bimat.m即为LH源代码的matlab文件。 bimat_zero.m是适应零和博弈的情形的接口改动，LH.py实际直接调用的文件为此文件。 nash_recurrence.py是最初只适应于1v1的子博弈递推计算的代码。 nash_recurrence_2_2.py是在nash_recurrence.py基础上实现了双方智能体的扩展， 泛用于m v n 的情形，功能上可以完全取代nash_recurrence.py。 附录D: 强化学习代码相关文件。 包括DQN、NashQLearning两个文件中的强化学习代码以及trained_vs_DQN_main.py，shoot_env.py是训练环境代码，