中文摘要：

受子系统异构、智能体高动态性、通信受限的影响，多智能体协同决策过程将呈现非平稳、信息传输时延和信息不完备等特征，易造成协同决策方法失真或失效。目前基于动态贝叶斯网络（DBN）的多智能体协同决策方法，缺少在上述特征下学习方法相互作用的认识以及在延迟系统中推理效果的评价。为此，本申请将开展基于层次化动态贝叶斯网络（HDBN）的多智能体协同决策机制研究，以提高DBN理论在多智能体协同决策中的适用性，增强多智能体系统的协作能力。本申请首先构建信息不完备非平稳条件下HDBN学习方法，保证信息不完备下决策模型学习精度和对时变环境的快速响应；其次，构建时延系统下HDBN推理方法，提高证据输入时延、丢包情况下决策推理过程的稳定性；然后，提出多智能体协同控制方法，提高多智能体间的协调控制能力。本申请的研究，将有助于拓展DBN理论的应用深度，形成对多智能体协同决策具有借鉴意义的理论新思路。