免模型全系统
一种针对完全未知动力学非线性多智能体系统的最优一致性控制器，利用离策略积分强化学习与反步法结合，无需任何系统先验知识即可在线学习最优控制策略。
Yan, Lei · 刘治 · Philip Chen, Chun Lung Philip · 章云 · 吴宗泽
Neurocomputing 2025
所提算法采用执行器-评价器结构，但仅用单一学习规则更新权重，无需辨识器即可学习最优控制策略。
方案专为完全未知动力学系统设计，无需求解HJB方程或任何模型信息，仅依赖采样数据。
最优权重向量的估计误差被证明一致最终有界，确保了闭环稳定性。