为解决系统信息完全未知的无限时域离散时间平均场线性二次（LQ）最优控制问题，利用完全无模型强化学习(RL)方法，在系统动力学中引入平均场项和代价函数。基于所提出的RL算法和最小二乘时序差分估计，成功获得了最优镇定控制。结合引入off-policy学习的思路，改善了控制策略，证明了该算法在估计误差保持较小的情况下可以产生稳定策略，数值实例也证明了所提出算法的有效性。
科研之友
微信
新浪微博
Facebook
分享链接
