【硬核书】多智能体协调:强化学习方法，315页pdf

发现在多机器人协调技术的最新发展与这个深刻的和原始的资源 多智能体协调:强化学习方法提供了一个全面、深刻和独特的处理多机器人协调算法的开发，与传统算法相比，计算负担最小，存储需求更低。有成就的学者、工程师和作者为读者提供了多机器人协调的高层次介绍和概述，以及基于学习的规划算法的深入分析。 您将了解如何加速对团队目标的探索，以及通过确定团队首选的联合行动来加快TMAQL收敛的替代方法。作者还提出了共识q学习的新方法，解决了均衡选择问题。最后，本书总结了这一快速发展领域的未来研究的可能方向。

读者将发现多智能体协调的前沿技术，包括:

• 通过强化学习和进化算法介绍多智能体协调，包括纳什均衡和相关均衡等主题
• 提高多智能体Q-learning在协同任务规划中的收敛速度
• 基于共识Q学习的多智能体协同规划
• 基于协同Q学习的多智能体规划相关均衡的高效计算
• 对于经常使用多智能体学习算法的学者、工程师和专业人士来说，《多智能体协调:强化学习方法》也属于任何对机器学习和人工智能有高级兴趣的人的书架上，因为它适用于合作或竞争机器人领域。

https://www.wiley.com/en-us/Multi+Agent+Coordination:+A+Reinforcement+Learning+Approach-p-9781119699033#:~:text=Multi%2DAgent%20Coordination%3A%20A%20Reinforcement%20Learning%20Approach%20delivers%20a%20comprehensive,when%20compared%20to%20traditional%20algorithms.