1. 强化学习与智能体
- 《强化学习》 （周志华， 2016）
系统性介绍强化学习理论，包含马尔可夫决策过程（MDP）和Q-学习等算法。 - 《多智能体强化学习进展综述》 （罗俊仁等， 2021）
发表于《自动化学报》，讨论多智能体系统的协作与竞争机制。
2. 分布式智能体系统
- 《多智能体系统导论》 （石纯一等， 2004）
经典教材，涵盖智能体通信、协商与协作框架。 - 《基于Agent的建模与仿真》 （张伟等， 2018）
探讨智能体在复杂系统建模中的应用，如社会网络分析。
3. 智能体与人工智能前沿
- 《深度强化学习：前沿与挑战》 （张伟楠等， 2020）
分析深度强化学习（DRL）在游戏、机器人控制等场景的应用。 - 《自主智能体系统：理论与应用》 （张涛， 2021）
结合理论推导与案例（如无人机集群），讨论智能体自主决策技术。
4. 经典论文推荐
-
《多智能体协同强化学习算法研究》 （王坤峰等，《计算机研究与发展》， 2019）
提出改进的协同Q-学习算法，解决局部观测下的合作问题。
Q_i(s,a) \\leftarrow Q_i(s,a) + \\alpha \\left\[ r + \\gamma \\max_{a'}Q_i(s',a') - Q_i(s,a) \\right\]
-
《基于博弈论的多智能体决策优化》 （李力等，《控制与决策》， 2017）
结合纳什均衡理论，设计分布式优化策略。