多機器人系統強化學習 張文旭 9787563570607 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：北京郵電大學
物品所在地：中國大陸
原出版社：北京郵電大學
NT$432
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為實際資訊。 印行年月：202401*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：多機器人系統強化學習 ISBN：9787563570607 出版社：北京郵電大學 著編譯者：張文旭 頁數：272 所在地：中國大陸 *此為代購商品 書號：1613003 可大量預訂，請先連絡。 內容簡介 強化學習是機器學習領域的一種重要學習手段，是一種從環境狀態到行為映射的學習方式，是實現智能系統具有自適應能力、自學習能力的重要途徑。本書以強化學習演算法與多機器人系統的結合為主要背景，介紹了主要的強化學習演算法模型，討論了它們的原理和優缺點；本書針對多機器人協作，從實際應用問題的角度分析，指出了局部性、不確定性和自組織網路等在學習中的現實意義；本書針對強化學習存在的學習速度慢、計算複雜度高等問題，研究了幾種改進演算法，並基於MATLAB設計了機器人模擬工具箱，以機器人路徑規劃與覆蓋問題為背景進行了模擬研究。 本書可作為高等院校人工智慧、自動化、計算機等相關專業的科研工作者及碩士、博士研究生的參考用書。目錄 第1章 緒論1 1 研究背景與意義 1 2 機器學習演算法 1 3 多機器人的協調與協作 1 4 不確定環境下的多機器人系統 本章參考文獻 第2章 多機器人協作與強化學習模型 2 1 引言 2 2 強化學習原理 2 2 1 強化學習結構 2 2 2 Monte Carlo演算法 2 2 3 瞬時差分法 2 2 4 Q-學習 2 2 5 Sarsa演算法 2 2 6 Actor-Critic學習演算法 2 2 7 R-學習演算法 2 3 分散式強化學習模型 2 3 1 分散式強化學習模型 2 3 2 研究現況及存在的問題 2 4 多機器人決策模型 2 4 1 馬爾可夫模型 2 4 2 分散式馬爾可夫模型 2 4 3 局部可觀測的馬爾可夫模型 2 4 4 分散式局部可觀測的馬爾可夫模型 2 4 5 研究現狀與存在的問題 2 5 多機器人一致性模型 2 5 1 圖論 2 5 2 矩陣論 2 5 3 Gossip一致性演算法 2 5 4 離散一致性演算法 2 6 強化學習存在問題及改進分析 2 6 1 盲目搜索方式與啟髮式搜索方式分析 2 6 2 啟髮式強化學習分析 2 6 3 遷移強化學習分析 2 6 4 事件驅動與機器學習的結合問題分析 2 7 本章小結 本章參考文獻 第3章 基於一致性的多機器人強化學習研究 3 1 引言 3 2 基於一致性的DEC-POMDP強化學習框架 3 2 1 強化學習中的局部觀測性和不確定性 3 2 2 分散式多機器人強化學習模型 3 2 3 多機器人強化學習一致性設計方案 3 3 基於一致性的多機器人強化學習演算法 3 3 1 基於一致性的多機器人強化學習演算法 3 3 2 基於一致性的策略化簡 3 4 收斂性分析 3 5 模擬實驗 3 6 本章小結 本章參考文獻 第4章 基於事件驅動的多機器人強化學習研究 4 1 引言 4 2 事件驅動原理 4 3 強化學習的事件驅動模型與觸發規則設計 4 3 1 基於事件驅動的強化學習模型 4 3 2 觸發規則設計 4 4 基於事件驅動的強化學習 4 4 1 基於事件驅動的強化學習設計 4 4 2 計算資源消耗分析 4 4 3 演算法收斂性分析 4 5 模擬實驗 4 6 本章小結 本章參考文獻 第5章 基於事件驅動的啟髮式強化學習研究 5 1 引言 5 2 啟髮式加速強化學習方法 5 2 1 啟髮式加速Q-學習 5 2 2 基於狀態回溯代價分析啟髮式Q-學習 5 2 3 基於Case Based Reasoning的多機器人啟髮式加速Q-學習 5 3 基於事件驅動的啟髮式Q-學習設計 5 3 1 基於事件驅動的HAQL演算法 5 3 2 基於事件驅動的HASB-QL演算法 5 3 3 基於事件驅動的CB-HAQL演算法 5 4 本章小結 本章參考文獻 第6章 基於啟髮式強化學習的多機器人覆蓋問題研究 6 1 引言 6 2 基於HAQL的多機器人覆蓋演算法設計 6 2 1 啟髮式加速Q-學習機制 6 2 2 事件驅動機制 6 2 3 覆蓋演算法設計 6 2 4 單機器人覆蓋模擬實驗與分析 6 2 5 多機器人覆蓋模擬實驗與分析 6 3 基於HASB-QL的多機器人覆蓋演算法設計 6 3 1 狀態回溯代價分析的強化學習機制 6 3 2 觸發函數設計 6 3 3 覆蓋演算法設計 6 3 4 單機器人覆蓋模擬實驗與分析 6 3 5 多機器人覆蓋模擬實驗與分析 6 4 基於CB-HAQL的多機器人覆蓋演算法設計 6 4 1 案例推理的啟髮式學習機制 6 4 2 觸發函數機制 6 4 3 覆蓋演算法設計 6 4 4 單機器人覆蓋模擬實驗 6 4 5 多機器人覆蓋演算法設計 6 5 本章小結 本章參考文獻 第7章 基於強化學習演算法的地-空異構多機器人覆蓋研究 7 1 引言 7 2 地-空異構多機器人模型設計 7 2 1 環境地圖模型搭建 7 2 2 運動學模型搭建 7 2 3 無人駕駛地面小車的觀測模型設計 7 2 4 無人飛行器觀測模型及通信模型設計 7 3 多機器人覆蓋模型搭建 7 3 1 基於POMDP的覆蓋模型搭 7 3 2 基於POMDP的覆蓋模擬實驗 7 3 3 基於DEC-POMDP的覆蓋模型搭建 7 3 4 基於DEC-POMDP的覆蓋模擬實驗 7 4 地-空異構多機器人覆蓋演算法研究 7 4 1 異構多機器人覆蓋分析 7 4 2 基於強化學習的異構多機器人覆蓋演算法 7 4 3 忽略通信代價的地-空多機器人覆蓋 7 4 4 考慮通信策略的地-空多機器人覆蓋 7 5 本章小結 本章參考文獻 第8章 基於強化學習的機器人路徑規劃研究 8 1 引言 8 2 基於近似動作空間模型強化學習的移動機器人動態路徑規劃 8 2 1 動作選擇策略分析 8 2 2 基於近似動作模型策略選擇的Q-學習演算法設計 8 2 3 模擬結果與分析 8 3 基於分層強化學習的移動機器人動態路徑規劃 8 3 1 分層強化學習結構設計 8 3 2 移動機器人運動學模型 8 3 3 環境信息的獲取 8 3 4 靜態避障模塊設計 8 3 5 動態避障模塊設計 8 3 6 模擬實驗及結果 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
