本书是“智能网联汽车关键技术及应用丛书”之一。本书主要介绍深度强化学习方法与智能驾驶决策控制结合的相关技术，共8章。第一部分介绍智能驾驶常用仿真器及深度强化学习算法，包括第1～2章。第二部分主要介绍基于强化学习的自动驾驶辅助系统控制算法，涉及自适应巡航、车队自适应巡航和车道保持控制，包括第3～5章。第三部分介绍基于深度强化学习的智能驾驶决策控制算法，涉及变道超车、路口通行和多场景通行，包括第6～8章。 本书为人工智能与智能驾驶相关专业背景、希望了解和学习深度强化学习方法在智能驾驶决策控制中应用的读者准备，希望借此推动深度强化学习算法在智能驾驶决策控制中的进一步发展。

绪论
0.1 智能驾驶决策控制研究背景
0.2 智能驾驶决策控制研究现状
0.3 未来发展趋势与展望
第1章 智能驾驶开源仿真器
1.1 TORCS仿真器
1.2 SUMO仿真器
1.3 CARLA仿真器
1.4 SMARTS仿真器
1.5 智能驾驶仿真器对比
第2章 深度强化学习算法基础
2.1 强化学习基础
2.2 基于价值函数的强化学习算法
2.3 基于策略梯度的强化学习算法
第3章 智能驾驶的自适应巡航控制
3.1 自适应巡航控制系统
3.2 基于监督式自适应动态规划的自适应巡航控制
3.3 考虑驾驶习惯的无模型强化学习自适应巡航控制
第4章 车队协同自适应巡航控制
4.1 考虑固定时延的自适应动态规划CACC控制器设计
4.2 基于线性矩阵不等式的CACC控制器设计方法
第5章 智能驾驶的车道保持控制
5.1 基于受扰高斯过程的车辆横向控制
5.2 面向视觉场景下的多任务学习-强化学习车辆横向控制
第6章 智能驾驶的变道超车策略
6.1 基于强化学习与规则约束的变道超车方法
6.2 基于注意力机制的状态表征方法
6.3 面向变道超车场景的测试评价体系
第7章 智能驾驶的路口通行策略
7.1 基于安全强化学习的动作修正方法
7.2 基于注意力机制的重要交互车辆选取模块
7.3 基于多任务架构的强化学习训练框架
7.4 路口通行仿真试验及结果分析
第8章 智能驾驶的多场景通行策略
8.1 分层强化学习原理
8.2 基于分层框架的多风格驾驶策略切换
8.3 多场景通行仿真试验及结果分析
参考文献