多主体系统中基于图形博弈的扰动抑制战略学习：Nash 与 Minmax 分析
系统与控制
2025-04-11 v1 系统与控制
摘要
本文研究了离散时间多主体系统在合作与非合作图形博弈框架下进行扰动抑制的最优控制问题。鉴于获取准确模型的实际挑战，提出了基于 Q 函数的策略迭代方法，分别用于寻找合作图形博弈的纳什均衡解和非合作图形博弈的分布式 minmax 解。为在线实现这些方法，开发了两种强化学习框架：一种用于合作图形博弈的演员-扰动-评论家结构，另一种用于非合作图形博弈的演员-对手-扰动-评论家结构。对所提方法的稳定性进行了严格分析，并提供了仿真结果以说明所提方法的有效性。
引用
@article{arxiv.2504.07547,
title = {Strategic learning for disturbance rejection in multi-agent systems: Nash and Minmax in graphical games},
author = {Xinyang Wang and Martin Guay and Shimin Wang and Hongwei Zhang},
journal= {arXiv preprint arXiv:2504.07547},
year = {2025}
}