强化学习是人工智能领域近年来崛起的新兴技术，在机器人、图像识别、语音识别等多个领域有着重要应用，而自主行为决策则是车辆智能化的重要体现。本书将二者结合起来，从数据采集、模型构建、模型验证等角度系统性地阐述了一系列基于强化学习的行为决策方法。全书共7章，第1,2章介绍了智能车辆系统的基本构成，以及强化学习技术的基础知识；第3至6章基于不同强化学习的特点，详细阐述了经典强化学习、深度强化学习、逆强化学习和分层强化学习在智能车行为决策系统构建中的应用，以及如何测试这些系统；第7章则从更宏观的角度探讨了目前强化学习方法在迁移和泛化方面的缺陷，并介绍了一种可迁移的强化学习决策方法。书中涉及的所有模型和数据均来自于作者团队的研究成果，每一章都有相关的引申阅读材料，可供读者参考。