人工智能系列：多智能体协同+领会人工智能+深度强化学习+人工智能（全4册）强化学习方法 人工智能

*人工智能的历史与未来。

*人类命运的抉择与开拓。

*国家竞争：制度政策、军事组织。

*社会变革：产业升级、就业冲突、危机处置。

*个体挑战：观念转换、技能改造、生活重塑。

《多智能体协同：强化学习方法》

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，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。

《颠覆性军事技术：人工智能》

本书是以科普形式对军事智能进行深入探讨的有益尝试，将“技术体系与军事体系的相互影响”作为核心叙事逻辑，以具体战例和技术进展为支点，将军事智能涉及的感知、指挥控制、作战行动和军备控制等问题渐次展开、抽丝剥茧、逐步深入。本书不仅采用了更为网络化的语言，而且还结合音视频，构成了一部融媒体作品，以更为时尚的形式，来传播军事智能这一看似深刻的主题，将国防科技领域的科普作品变得更“潮”。

《领会人工智能AI：我们的算法世界 跟上AI发展 人工智能、机器学习、深度学习、AI、Chatgpt领域重磅教程》

书由Polity出版社于2021年10月出版。本书从算法视角出发，系统性地对人工智能的起源、发展和未来方向进行阐述，研究了人工智能算法的原理以及在相关技术发展变化过程中对国家政策、制造业发展、军事作战方式、社会就业等方面造成的深刻影响，包括对日常生活和价值观念的重塑。同时，对人工智能技术驱动下资本主义社会矛盾的变化发展进行了深入思考。该书也讨论了人工智能在面对全球性危机和社会难题时所扮演的关键角色，包括处理新冠病毒危机、解决能源安全问题，以及协助全球政府应对气候变化。

《深度强化学习》

本书从强化学习的基础入手，以非常直观易懂的例子和实际应用来解释其中的每个概念，接着介绍一些前沿的研究及进展，这些进展使得强化学习可以超过其他（人工）智能系统。本书的目的不仅在于为读者阐释多种前沿强化学习算法背后的数学原理，而且也希望读者们能在各自的应用领域中实际运用这些算法及类似的先进深度强化学习智能体。
本书从强化学习的基本模块开始，涵盖了流行的经典动态规划方法和经典强化学习方法，如价值迭代和策略迭代；同时也包括一些传统的强化学习算法，如时序差分学习、SARSA和Q学习。在此基础之上，本书介绍了适用于现代强化学习环境和智能体的深度学习和辅助工具。本书继而开始深入研究深度强化学习的概念，并介绍相应的算法，如深度Q网络、双DQN、竞争DQN、（深度）同步演员-评论家，（深度）异步优势演员-评论家和深度确定性策略梯度。在每一个介绍这些概念的理论／数学原理的章节之后都附有可用于这些智能体实现的代码。

《多智能体协同：强化学习方法》

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，主持、参与了20项国家级、省部级重大科研专项，取得了系统性研究成果，相关成果应用于大型客机、无人机、XX型号飞行器研制。

《颠覆性军事技术：人工智能》

李睿深，北京师范大学互联网发展研究院副院长，清华大学战略与安全研究中心客座研究员。曾在国防科技大学、解放军某部机关、中国电子科技集团公司等单位工作。主要研究方向为科技创新与国家安全。

《多智能体协同：强化学习方法》

前言

协同是生物体的基本特征,因为它们单个个体往往能力有限，需要通过集体努力才能实现共同目标。自然界中有大量有趣的生物体协同的例子，比如蚂蚁搬运食物,单只蚂蚁只能携带少量食物,但蚁群却能向巢穴搬运大量食物。同时,单只蚂蚁通过跟随位于它前面的同类所散发出的信息素进行运动，并不断优化路径,这也是十分有趣的现象,实际上蚁群算法就是受此启发而提出再者如蜜蜂之间的分工协作,巢中的蜂王通过舞蹈和肢体运动引导工蜂到特定的方向收集食物资源,等等。这些自然现象揭示了生物体利用它们的集体智慧和协作，来实现复杂目标的能力。

协同和规划是多智能体系统(Multi-AgentSystem,MAS)领域中密切相关的概念术语。规划指确定从给定位置到达目标位置的运动策略,协同则指智能体之间通过密切交互以生成可行的动作行为策略。因此，协同是解决多智能体系统中复杂现实问题的重要手段。多智能体协同任务通常可以分为三种类型:合作型任务、竞争型任务和混合型任务。顾名思义，合作型任务是指智能体间为实现复杂的共同目标并提高综合性能而相互协作的任务,受限于单智能体的软硬件资源或时间/能源等条件,这些任务对单个智能体难以实现。不同于合作型任务,竞争型任务中两组智能体的目标互相冲突。典型的竞争型任务如机器人足球比赛,双方球队都想通过实现已方进球,并防守对方进球以赢得比赛混合型任务中则同时包括合作与竞争关系,同样在足球比赛中，两支球队之间的竞争与同一支球队内的合作,二者并存。通常多智能体系统的协同是指合作,即智能体间通过相互协作以完成复杂的任务、实现共同的目标。本书主要研究多机器人智能体系统中的合作问题。

近年来,将机器学习应用于多智能体合作型问题成为研究热点，学者们对此开展了大量的研究。机器学习的主要优点是可以根据机器人的感知信息生成相应的动作规划。对于单智能体学习,从交互感知信息中进行动作规划的学习相对简单:然而,对于多智能体学习,其他智能体状态的改变会成为当前智能。。。。。。。。

《领会人工智能AI：我们的算法世界 跟上AI发展 人工智能、机器学习、深度学习、AI、Chatgpt领域重磅教程》

从中美博弈的尖端竞争到欧亚各国的多维突破,从硅谷技术精英的举重若轻到非洲外包员工的废寝忘食,从量化交易的高频收割到智能武器的精准杀敌,从嫌疑人的精确追踪到隐私权的巨大挑战,从智能机器人的轰轰烈烈到传统从业者的黯然神伤,从居家办公的安逸舒适到新冠疫情的有序防控,人工智能(AI)技术的应用无处不在,它源于历史,塑造现实,引领未来。

本书从算法视角出发，呈现了立体的Al世界,力图追寻A1纷繁复杂的历史脉络,梳理多种流派学者的思维交锋，总览全球政经领域的风起云涌,描绘时代个体发展的喜乐悲欢。

本书系统性地对Al的起源、发展和未来方向进行阐述，研究了A1算法的原理以及相关技术在发展变化过程中造成的深远影响，从宏观上把握了国家政策、军事技术、产业发展等领域的发展脉络,在微观上着眼于普通人价值取向、技能需求、隐私风险等方面的深刻转变。

此外，本书具体讨论了A在面对全球性危机和社会难题时所扮演的关键角色,包括处理新冠病毒危机、解决能源安全问题,以及协助全球各国政府应对气候变化。在阐述相关内容时,本书同时对Al驱动的发展变化提供了深刻思考,探究相关原因和趋势,涉及的领域包括基础观念、技术变革和资本主义社会矛盾。