多机器人系统强化学习

　　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。

　　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。

　　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。

　　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。