原创力文档- 1、本文档共5页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
模型未知非零和博弈问题的策略迭代算法.pdf
东北大学学报(自然科学版) Vo l. 36 ,No. 3
第 36 卷第3 期
Joumal of Northeastem University (Natural Science) M皿 2015
2015 年 3 月
doi: 10. 3969/j. issn. 1005 - 3026.2015.03.004
模型未知非零和博弈问题的策略迭代算法
杨明1 ，罗艳红1 ，王义贺2
(1.东北大学信息科学与工程学院，辽宁沈阳 110819; 2. 国网辽宁省电力有限公司经济技术研究院，辽宁沈阳 11∞∞)
摘 要:提出了一种在线积分策略迭代算法，用来求解内部非线性动力模型未知的双人非零和博弈问
题.通过在控制策略和于扰策略中引人探测信号，从而避开了系统的模型信息，得到了一个求解非零和博弈的
无模型的近似动态规划算法.该算法同步更新值函数、控制策略、扰动策略，并且最终得到收敛的策略权值.在
算法实现过程中，使用4 个神经网络分别近似两个值函数、控制策略和扰动策略，使用最小二乘法估计神经网
络的未知参数.最后仿真结果验证了算法的有效性.
关 键 词:自适应动态规划;非零和博弈;策略选代;神经网络;最优控制
中图分类号: TP 183 文献标志码:A 文章编号: 1∞5 -3026(2015)03 -0318 -05
Policy Iteration Algorithm for Nonzero-Sum Games with
Unknown Models
1 1
YANG Ming , LUO yiαn-hong ， WANG Yi-hi
(1. School of Information Science Engineeri吨， Northeast巳m University , Shenyang 110819 , China;
2. Economic Technology Institu饵， Nation State Liaoning Province Power Co. , Ltd. , Shenyang 11α)()Q， China
Corresponding au出or: YANG Ming , E-mail: yangming2∞ω916@ 126. com)
Abstract: An online integral policy iteration algorithm was proposed to find the solution of two-
player nonzero-sum differential games with completely unknown nonlinear continuous-time
dynarnics. Exploration signals can be added into the control and disturbance policies , rather than
having to find the model information. An 叩proximate dynarnic programrning (ADP) of model-
free approach can be constructed , and the no皿ero-sum g缸nes can be solved. 白le value function ,
control and disturbance policies simultaneously can be updated by the proposed algorithm , and
converged pol
文档评论（0）