文献

J-GLOBAL ID：202102253299963206   整理番号：21A2988036

連続時間Markovジャンプ線形システムのオンライン強化学習マルチプレーヤ非ゼロ和ゲーム【JST・京大機械翻訳】

Online reinforcement learning multiplayer non-zero sum games of continuous-time Markov jump linear systems

著者 (7件)： Xin Xilin (Key Laboratory of Intelligent Computing and Signal Processing (Ministry of Education), School of Electrical Engineering and Automation, Anhui University, Hefei 230601, China) ,  Tu Yidong (Key Laboratory of Intelligent Computing and Signal Processing (Ministry of Education), School of Electrical Engineering and Automation, Anhui University, Hefei 230601, China) ,  Stojanovic Vladimir (Department of Automatic Control, Robotics and Fluid Technique, Faculty of Mechanical and Civil Engineering, University of Kragujevac, Kraljevo 36000, Serbia) ,  Wang Hai (Discipline of Engineering and Energy, Murdoch University, 90 South Street, Murdoch, WA 6150, Australia) ,  Shi Kaibo (School of Electronic Information and Electrical Engineering, Chengdu University, Chengdu 610106, China) ,  He Shuping (Key Laboratory of Intelligent Computing and Signal Processing (Ministry of Education), School of Electrical Engineering and Automation, Anhui University, Hefei 230601, China) ,  Pan Tianhong (Key Laboratory of Intelligent Computing and Signal Processing (Ministry of Education), School of Electrical Engineering and Automation, Anhui University, Hefei 230601, China)
資料名： Applied Mathematics and Computation  (Applied Mathematics and Computation)
巻： 412  ページ： Null  発行年： 2022年 
JST資料番号： D0568B  ISSN： 0096-3003  CODEN： AMHCBQ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,多層非ゼロ和ゲームを解くために,新しいオンラインモードフリー積分強化学習アルゴリズムを提案した。まず,状態と入力のサブシステム情報を収集し,学習する。次に,オンライン学習を用いて,対応するN結合代数Riccati方程式を計算した。本論文で提案した政策反復アルゴリズムは,多重層非ゼロ和ゲームに対応する結合代数Riccati方程式を解くことができる。最後に,本論文の設計法の有効性と実現可能性を,3つのプレーヤーによるシミュレーション用例によって証明した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  *線形系 ,  *非ゼロ和ゲーム ,  多層 ,  有効性 ,  *連続時間系 ,  *強化学習 ,  学習アルゴリズム
準シソーラス用語： オンライン学習 ,  サブシステム ,  反復アルゴリズム ,  プレイヤ ,  *オンライン ,  設計法 ,  代数Riccati方程式 , 【Automatic Indexing@JST】

著者キーワード (4件)： 強化学習 ,  Markovジャンプ線形システム ,  マルチプレーヤ非ゼロ和ゲーム ,  結合代数Riccati方程式

分類 (2件)： 人工知能  (JE08000Z) ,  システム設計・解析  (IA02030D)

タイトルに関連する用語 (8件)： 連続時間 ,  ジャンプ ,  線形システム ,  オンライン ,  強化学習 ,  マルチ ,  プレーヤ ,  非ゼロ和ゲーム