机读格式显示(MARC)

• 000 01955nam0 2200349 450

• 001 0000759058

• 005 20240927195300.0

• 010 __ |a 978-7-118-12989-2 |b 精装 |d CNY118.00

• 100 __ |a 20240524d2024 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a afk a 000yy

• 106 __ |a r

• 200 1_ |a 多智能体协同 |A duo zhi neng ti xie tong |e 强化学习方法 |f (印) 阿鲁普·库马尔·萨杜, 阿米特·科纳尔著 |d = Multi-agent coordination |e a reinforcement learning approach |f Arup Kumar Sadhu, Amit Konar |g 黄江涛 ... [等] 译 |z eng

• 210 __ |a 北京 |c 国防工业出版社 |d 2024

• 215 __ |a xvi, 248页, 5页图版 |c 图 (部分彩图) |d 25cm

• 300 __ |a 装备科技译著出版基金

• 304 __ |a 题名页题: 黄江涛, 章胜, 周琳, 周攀, 朱喆译; 书中题: 主编黄江涛

• 306 __ |a 本书简体中文字版专有翻译出版权由John Wiley & Sons, Inc.公司授予国防工业出版社

• 314 __ |a 黄江涛, 博士, 研究员, 硕士生导师, 主要研究方向为飞行器设计、多学科分析优化与智能决策。

• 320 __ |a 有书目

• 330 __ |a 本书系统介绍了基于强化学习的多智能体协同技术, 涉及进化算法、纳什均衡等相关主题, 讨论了基于强化学习的多智能体协同理论、一致性学习算法、基于协同Q学习算法的多智能体规划技术等, 研究了ICFA方法的优越性, 将计算时间和结果准确性作为指标进行考核, 在多机器人实时携杆问题中验证了算法的有效性。并给出了针对多机器人协同问题的应用实例。本书不仅包含多智能体强化学习协同研究的最新进展, 而且提供了一种相对于传统方法更加高效的技术路线, 并根据未来的研究趋势分析本书的应用前景。

• 500 10 |a Multi-agent coordination : a reinforcement learning approach |A Multi-agent Coordination : A Reinforcement Learning Approach |m Chinese

• 517 1_ |a 强化学习方法 |A qiang hua xue xi fang fa

• 606 0_ |a 机器学习 |A ji qi xue xi |x 研究

• 690 __ |a TP181 |v 5

• 701 _1 |a 萨杜 |A sa du |g (Sadhu, Arup Kumar) |4 著

• 701 _1 |a 科纳尔 |A ke na er |g (Konar, Amit) |4 著

• 702 _0 |a 黄江涛 |A huang jiang tao |4 译

• 702 _0 |a 章胜 |A zhang sheng |4 译

• 801 _0 |a CN |b WFKJXY |c 20240927

• 905 __ |a WFKJXY |d TP181/447