異策略安全約束強化學習

李邦傑，四川南充人，火箭軍工程大學作戰保障學院教研室主任教授、博士，主要從事導航制導與控制、導彈作戰運用等方面的教學與科研工作。
主持完成了總裝預研、技術基礎、軍內科研項目等多項課題，獲軍隊科技進步一等獎1項、二等獎2項、三等獎2項，獲軍隊教學成果獎二等獎1項，獲得授權專利7項，發表學術論文30余篇。
本書深入探討了強化學習在現實世界應用中面臨的安全挑戰，特別是在與不可預測環境交互時確保智能體的安全性。書中提出了基於約束的強化學習方法，區分獎勵函數與安全相關的成本函數，以實現安全與性能的平衡。分別針對安全風險控制和訓練安全保證問題，開發了相應的算法。本書不僅貢獻了相關安全強化學習算法理論，也為實踐中強化學習的安全應用提供了全面的算法支持，同時展望了元學習及無重置學習等技術，以求安全理論的進一步突破，為追求 安全、可靠的強化學習應用奠定基礎。