您好,欢迎来到聚文网。 登录 免费注册
多机器人系统强化学习

多机器人系统强化学习

  • 字数: 439000
  • 装帧: 平装
  • 出版社: 北京邮电大学出版社
  • 作者: 张文旭 等 著
  • 出版日期: 2024-01-01
  • 商品条码: 9787563570607
  • 版次: 1
  • 开本: 16开
  • 页数: 284
  • 出版年份: 2024
定价:¥68 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
内容简介
强化学习是机器学习领域的一种重要学习手段,是一种从环境状态到行为映射的学习方式,是实现智能系统具有自适应能力、自学习能力的重要途径。本书以强化学习算法与多机器人系统的结合为主要背景,介绍了主要的强化学习算法模型,讨论了它们的原理和优缺点;本书针对多机器人协作,从实际应用问题的角度分析,指出了局部性、不确定性和自组织网络等在学习中的现实意义;本书针对强化学习存在的学习速度慢、计算复杂度高等问题,研究了几种改进算法,并基于MATLAB设计了机器人仿真工具箱,以机器人路径规划与覆盖问题为背景进行了仿真研究。
本书可作为高等院校人工智能、自动化、计算机等相关专业的科研工作者及硕士、博士研究生的参考用书。
作者简介
  张文旭,兰州理工大学,副教授,硕导。发表学术论文20余篇,其中EI收录13篇、SCI收录4篇(第一作者或通讯作者4篇);主持或参与国家自然基金项目5项,甘肃省自然基金项目4项,主持企业委托项目2项;获授权国家发明专利2项、实用新型专利3项、软件著作权4项。
目录
第1章绪论
1.1研究背景与意义
1.2机器学习算法
1.3多机器人的协调与协作
1.4不确定环境下的多机器人系统
本章参考文献
第2章多机器人协作与强化学习模型
2.1引言
2.2强化学习原理
2.2.1强化学习结构
2.2.2MonteCarlo算法
2.2.3瞬时差分法
2.2.4Q学习
2.2.5Sarsa算法
2.2.6Actor-Critic学习算法
2.2.7R-学习算法
2.3分布式强化学习模型
……

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网