无模型Q学习纳什控制器

无状态可运行

该控制器专为非对称信息下的去中心化非零和博弈设计，仅利用输入输出数据在线学习最优纳什策略，无需系统动态和状态信息。

Zhang, Qiyan · 王红霞 · 彭凯 · 张焕水

IEEE Transactions on Systems, Man, and Cybernetics: Systems 2025

技术优势

不用系统模型

算法仅利用可用的输入和测量信息在线学习，无需系统动态和状态，实现无模型控制。

非对称信息可用

通过将非对称信息下的平衡方程重新表述为约束最小化问题，求得最优控制器对的数值解，解决了各控制器信息不同带来的难题。

仅需输出反馈

所提出的最优纳什策略基于输入/输出形式，无需可测量的系统状态，降低了对传感器配置的要求。

应用场景

• 多智能体博弈控制：多智能体系统在非对称信息下无需模型即可在线求解纳什策略。
• 去中心化控制：去中心化控制器仅利用本地输入输出数据独立学习，无需集中式状态信息。
• 数据驱动控制：直接利用输入输出数据学习控制策略，无需系统辨识或动力学模型。
• 非零和博弈：针对非零和博弈，求得各方均无动力单方面改变策略的纳什均衡解。