强化学习是机器学习领域的一种重要学习手段，是一种从环境状态到行为映射的学习方式，是实现智能系统具有自适应能力、自学习能力的重要途径。本书以强化学习算法与多机器人系统的结合为主要背景，介绍了主要的强化学习算法模型，讨论了它们的原理和优缺点；本书针对多机器人协作，从实际应用问题的角度分析，指出了局部性、不确定性和自组织网络等在学习中的现实意义；本书针对强化学习存在的学习速度慢、计算复杂度高等问题，研究了几种改进算法，并基于MATLAB设计了机器人仿真工具箱，以机器人路径规划与覆盖问题为背景进行了仿真研究。
本书可作为高等院校人工智能、自动化、计算机等相关专业的科研工作者及硕士、博士研究生的参考用书。

第1章绪论
1.1研究背景与意义
1.2机器学习算法
1.3多机器人的协调与协作
1.4不确定环境下的多机器人系统
本章参考文献
第2章多机器人协作与强化学习模型
2.1引言
2.2强化学习原理
2.2.1强化学习结构
2.2.2MonteCarlo算法
2.2.3瞬时差分法
2.2.4Q学习
2.2.5Sarsa算法
2.2.6Actor-Critic学习算法
2.2.7R-学习算法
2.3分布式强化学习模型
……