.png){kind=icon}
返回
Two-Stage Asynchronous Learning for Optimal Tracking in Multiplayer Differential Games
.png){kind=icon}
PRE
AI
DOI：10.1109/tcyb.2026.3678031.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文研究了具有未知动态的多玩家微分博弈系统（MDGS）的最优跟踪控制问题。提出了一种两阶段异步学习方案，以实现纳什均衡解，且无需初始容许控制策略。第一阶段，通过同伦基迭代过程构造稳定控制策略。第二阶段，采用异步策略迭代（PI）方法，玩家使用部分实时信息按顺序更新其策略，与同步方法相比提高了收敛效率。所提出的方案进一步扩展到数据驱动框架，放宽了对显式系统动态信息的要求。在可镇定性和可检测性条件下，理论证明了收敛性。最后，通过两个仿真示例验证了所提出方法在跟踪正弦参考信号方面的有效性，并提供了对比实验以突出所提算法的优越性。
Keyword:
Feeds
Antennas
Feedback
Circuits
Event detection
Electronic mail
Communications technology
Wireless sensor networks
Communication system security
Communication systems
Asynchronous learning
data-driven control
multiplayer differential games
optimal tracking control
期刊
IF:
10.5
论文数:
1.1W
被引数:
5.0W
机构
查看更多机构
引用论文
暂无论文信息