本书系统梳理了深度强化学习的核心理论、关键算法及其在智能控制、机器人技术和多智能体系统中的应用。全书涵盖强化学习的基本概念、深度强化学习的主要框架，以及多智能体强化学习的协同决策、任务分解与优化控制等前沿问题，并结合大量实验案例，深入探讨强化学习在飞行器控制、移动机器人导航与避障等领域的实践应用。

本书针对分布式机器学习中网络通信、在线学习、隐私保护等问题，研究无中心的分布式优化算法。主要内容包括：①分布式一阶梯度算法，提出在线学习的自适应次梯度算法和随机块坐标的次梯度投影算法、自适应最小最大优化算法，旨在研究分布式的优化算法，理论分析所提算法的收敛性能；②分布式无投影梯度算法，提出随机块坐标无投影梯度算法、面向

本书立足于无人系统的自主寻源任务，围绕近十年来动态复杂环境中无人系统优化控制和轨迹规划相关研究的难点和热点问题，从信号场类型、不完全量测信息、决策控制方法等多个角度出发，系统地解决了仅可获得场源方位角量测、信号场强度量测条件下的自主寻源控制问题，时空动态信号场场源的协作定位问题，以及无人系统在自主寻源任务下的多约束轨迹

"《神经网络理论及应用实践》在全面介绍人工神经网络基本理论的基础之上，首先，系统地阐述了单层感知器神经网络、BP神经网络、竞争学习神经网络、自组织神经网络、学习向量量化神经网络、对偶传播神经网络、径向基函数神经网络、支持向量机等浅层神经网络的典型网络结构、学习算法、工作原理和应用案例；其次，系统地阐述了深度学习中卷积神

"《DeepSeek原生应用与智能体开发实践》围绕DeepSeek大模型应用开发展开，深度融合技术创新与工程实践，内容覆盖大模型应用开发（在线调用、提示词、推理、Agent、工具调用、MCP、微调、蒸馏、后训练、RAG）技术栈及其案例。书中原理与案例相融合，注重培养读者的大模型原生应用与智能体开发能力，并构建从理论到落

"本书首先概述了人工智能的基本概念、研究内容、研究途径与方法、分支领域与研究方向、应用前景、历史沿革、现状与趋势，勾画了人工智能学科的总体架构；然后概略而简要地阐述了人工智能各分支的基本原理、基本技术、研究课题和发展概况。全书共6篇21章，内容全面、基础、经典而新颖。本书结构合理、层次分明、条理清楚、理例结合、图文并茂

"《MCP协议与AIAgent开发:标准、应用与实现》系统地阐述了MCP的技术原理、协议机制与工程应用，提供了从底层协议设计到项目部署的全流程的应用指南。全书从结构上分为基础理论、协议规范、开发工具链、应用构建4部分，共9章。具体内容包括大模型基础、MCP基本原理、MCP标准与规范体系、MCP与LLM的互联机制、MCP

"《生成对抗网络GAN：从理论到PyTorch实现》系统地讲解了生成对抗网络(GAN)的基本原理以及PyTorch编程技术，内容较全面，可操作性强，将理论与实践相结合。读者通过理论学习和编程实践操作，可了解并掌握生成对抗网络的基本原理和PyTorch编程技能，拉近理论与实践的距离。《生成对抗网络GAN：从理论到PyTo

"《人工智能导论实践教程》是人工智能基础与实践领域的入门教材，以人工智能理论与实践的紧密结合为基础，以培养读者的创新能力和实践能力为目标，从多学科交叉的视角组织教学内容，突出理论讲解与实训指导的统一。本书共8章，内容涵盖人工智能概述、大数据与人工智能、机器学习、神经网络、自然语言处理、计算机视觉、人工智能导论实践与应用

"本书全面介绍人工智能的基本理论、技术及应用。全书共12章，主要内容包括人工智能概论、知识表示与知识图谱、模糊推理、搜索策略、遗传算法、群智能算法、人工神经网络、深度学习、大语言模型、AI智能体、专家系统、自然语言理解、计算机视觉和智能机器人，附录给出了实用性很强的12个实验。本书强调人工智能知识的基础性、整体性、综合