Reinforcement Learning for the Transportation Industry A Guide to Implementing RL in Real-world Transportation Scenarios
-
- Englisch ausgewählt
146,99 €
inkl. gesetzl. MwSt.,
Beschreibung
Produktdetails
Einband
Gebundene Ausgabe
Erscheinungsdatum
24.09.2026
Abbildungen
II, 91 illus., 74 illus. in color., farbige Illustrationen, schwarz-weiss Illustrationen
Herausgeber
Pethuru Raj Chelliah + weitereVerlag
SpringerSeitenzahl
396
Maße (L/B)
23,5/15,5 cm
Sprache
Englisch
ISBN
978-3-032-30245-8
This book provides a comprehensive exploration of reinforcement learning and its transformative applications in transportation systems. Reinforcement Learning for the Transportation Industry begins with the technical foundations of RL, covering core architectures, formal frameworks, and major algorithms such as Q-learning, Policy Gradient, Actor-Critic, Deep Q-Networks (DQN), and Multi-Agent Reinforcement Learning (MARL). The book further examines Deep Reinforcement Learning (DRL), Reinforcement Learning from Human Feedback (RLHF), Reinforcement Learning from AI Feedback (RLAIF), and Reinforcement Fine-Tuning (RFT), highlighting their growing role in intelligent decision-making and large language models.
The later chapters focus on real-world transportation applications, including autonomous vehicles, electric vehicle routing, traffic signal coordination, traffic congestion reduction, ridesharing, transport logistics, advanced air mobility, intelligent transportation systems, and Internet of Vehicles (IoVs). Special attention is given to AutoRL, Federated Reinforcement Learning, and LLM-guided DRL for autonomous driving. By combining theoretical foundations with practical case studies, this book serves as a valuable resource for researchers, academicians, and industry professionals seeking to implement advanced RL solutions for efficient, sustainable, and intelligent transportation systems.
Noch keine Bewertungen vorhanden
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.
Kurze Frage zu unserer Seite
Vielen Dank für Ihr Feedback
Wir nutzen Ihr Feedback, um unsere Produktseiten zu verbessern. Bitte haben Sie Verständnis, dass wir Ihnen keine Rückmeldung geben können. Falls Sie Kontakt mit uns aufnehmen möchten, können Sie sich aber gerne an unseren Kund*innenservice wenden.
zum Kundenservice