决策算法

本书源于斯坦福大学的相关课程，主要介绍不确定状态下的决策算法，涵盖基本的数学问题和求解算法。本书共分为五个部分：首先解决在单个时间上简单决策的不确定性和目标的推理问题；然后介绍随机环境中的序列决策问题；着讨论模型不确定性，包括基于模型的方法和无模型的方法；之后讨论状态不确定性，包括jing确信念状态规划、离线信念状态规划、在线信念状态规划等；zui后讨论多智能体系统，涉及多智能体推理和协作智能体等。本书主要关注规划和强化学习，其中一些技术涉及监督学习和优化。书中的算法是用Julia编程语言实现的，并配有大量图表、示例和练习题。本书要求读者具备扎实的数学基础，适合计算机科学、数学、统计学、电气工程、航空航天等领域的读者阅读。
【推荐语】
本书源于斯坦福大学的课程“不确定性状态下的决策”，主要介绍不确定状态下的决策算法，涵盖基本的数学问题和求解算法。本书主要关注规划和强化学习，其中一些技术涉及监督学习和优化。书中的算法是用Julia编程语言实现的，并配有大量图表、示例和练习题。
【作者】
米凯尔·J. 科申德弗 （Mykel J. Kochenderfer） 斯坦福大学航空航天系和计算机科学系副教授，智能系统实验室（SISL）主任。曾任职于麻省理工学院林肯实验室。目前主要研究用于设计鲁棒决策系统的算法和分析方法。他拥有爱丁堡大学博士学位。 蒂姆·A. 惠勒 （Tim A. Wheeler） 软件工程师，主要从事自动驾驶、控制和决策系统方面的研发工作。他拥有斯坦福大学博士学位。 凯尔·H. 雷 （Kyle H. Wray） Robust AI 公司工程总监，曾任硅谷创新联盟实验室首席研究员，目前主要从事自主机器人的研发工作，致力于设计和实现机器人决策系统。他拥有马萨诸塞大学阿默斯特分校博士学位。