针对线性离散时间系统的非零和博弈问题，提出一种非策略Q学习算法。首先，提出非零和博弈优化问题，并且严格证明根据每个个体性能指标定义的值函数为线性二次型。然后，基于动态规划和Q学习方法，给出非策略Q学习算法，得到非零和博弈的近似最优解，实现系统的全局纳什均衡。此算法不要求系统模型参数已知，完全利用可测数据学习纳什均衡解。最后，算例仿真验证了方法的有效性。
科研之友
微信
新浪微博
Facebook
分享链接
