強化學(xué)習(xí)是人工智能領(lǐng)域近年來崛起的新興技術(shù)，在機器人、圖像識別、語音識別等多個領(lǐng)域有著重要應(yīng)用，而自主行為決策則是車輛智能化的重要體現(xiàn)。本書將二者結(jié)合起來，從數(shù)據(jù)采集、模型構(gòu)建、模型驗證等角度系統(tǒng)性地闡述了一系列基于強化學(xué)習(xí)的行為決策方法。全書共7章，第1,2章介紹了智能車輛系統(tǒng)的基本構(gòu)成，以及強化學(xué)習(xí)技術(shù)的基礎(chǔ)知識；第3至6章基于不同強化學(xué)習(xí)的特點，詳細(xì)闡述了經(jīng)典強化學(xué)習(xí)、深度強化學(xué)習(xí)、逆強化學(xué)習(xí)和分層強化學(xué)習(xí)在智能車行為決策系統(tǒng)構(gòu)建中的應(yīng)用，以及如何測試這些系統(tǒng)；第7章則從更宏觀的角度探討了目前強化學(xué)習(xí)方法在遷移和泛化方面的缺陷，并介紹了一種可遷移的強化學(xué)習(xí)決策方法。書中涉及的所有模型和數(shù)據(jù)均來自于作者團隊的研究成果，每一章都有相關(guān)的引申閱讀材料，可供讀者參考。