ADP论文学习-零和或非零和博弈问题

LucienLSA

已于 2024-03-25 17:35:21 修改

阅读量271

点赞数 3

CC 4.0 BY-SA版权

文章标签：学习笔记

于 2024-03-25 16:36:52 首次发布

本文链接：https://blog.youkuaiyun.com/DarlingLSA/article/details/137018471

文章探讨了事件触发的确定性策略梯度在处理未知离散时间非线性系统的零和与非零和游戏中的控制问题。数据驱动的自适应动态编程方法被应用于多玩家系统中，以实现鲁棒控制，尤其是在2022年和2023年的研究中由YongweiZhang等人提出的相关进展。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Event-Triggered Control of Discrete-Time Zero-Sum Games via Deterministic Policy Gradient Adaptive Dynamic Programming ,2022,Yongwei Zhang ,BoZhao , Senior Member, IEEE, Derong Liu , Fellow, IEEE, and Shunchao Zhang

Data-driven adaptive dynamic programming schemes for non-zero-sum games of unknown discrete-time nonlinear systems He Jiang, Huaguang Zhang∗, Kun Zhang, Xiaohong Cui

Adaptive Dynamic Programming-Based Event-Triggered Robust Control for Multiplayer Nonzero-Sum Games With Unknown Dynamics ，2023，Yongwei Zhang , Member, IEEE,BoZhao , Senior Member, IEEE, Derong Liu , Fellow, IEEE, and Shunchao Zhang

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

LucienLSA

关注关注

3
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

[论文笔记]DouZero: Mastering DouDizhu with Self-Play Deep Reinforcement Learning

日积月累，天道酬勤

03-11

838

本篇论教你如何训练一个强化学习模型来斗地主

【论文阅读】DouZero+: Improving DouDizhu AI by Opponent Modeling and Coach-guided Learning

见见大魔王

10-23

1593

使用深度强化学习来斗地主

参与评论您还未登录，请先登录后发表或查看评论

ICML 2021] DouZero: 从零开始通过自我博弈强化学习来学打斗地主 Github

强化学习曾小健

02-17

1353

DouZero是一个为斗地主设计的强化学习框架。斗地主十分具有挑战性。它包含合作、竞争、非完全信息、庞大的状态空间。斗地主也有非常大的动作空间，并且每一步合法的牌型会非常不一样。DouZero由快手AI平台部开发。

自适应动态规划硕士博士论文学习

DarlingLSA的博客

04-01

1020

强化学习关注随机过程中的序贯决策问题，而自适应动态规划关注动态系统的控制问题。吸引域：系统渐近稳定的区域。

【论文阅读】DouZero: Mastering DouDizhu with Self-Play Deep Reinforcement Learning

见见大魔王

10-12

2292

来用强化学习斗地主吧

基于强化学习的综合能源系统管理综述-笔记

YUEsheng416的博客

07-05

3531

这篇笔记主要突出强化学习的特点以及于综合能源系统管理上的应用，着重于引出后文的可研究点。具体的方法论文可以参见最后的推荐论文，大都为近年顶刊。

《强化学习周刊》第59期：GCRL、DNN-RCUC&PD-MORL

BAAIBeijing的博客

08-26

965

No.59智源社区强化学习组强化学习研究观点资源活动周刊订阅告诉大家一个好消息，《强化学习周刊》已经开启“订阅功能”，以后我们会向您自动推送最新版的《强化学习周刊》。订阅方法：方式1：扫描下面二维码，进入《强化学习周刊》主页，选择“关注TA”。方式2：点击本文下方的“阅读原文”，进入《强化学习周刊》Hub社区版，根据内附的详细订阅步骤，完成订阅。关于周刊强化学习作为人工智能领域研究热点之一，其研...

【论文阅读】PerfectDou: Dominating DouDizhu with Perfect Information Distillation

见见大魔王

10-16

1588

在本文的实现中，奖励的计算是在一轮游戏后进行的，从而提高训练效率。

Robust Differential Game Guidance Laws Design for Uncertain Interceptor-Target Engagement via ADP

阿涛的博客

02-23

2133

原文：https://download.youkuaiyun.com/download/qq_29675093/10969822 南京航空航天大学孙景亮的论文，二人零和博弈框架下研究导弹拦截机动目标，使用的方法是自适应动态规划，从理念上跟利用critic网络进行强化学习很接近的，但是由于模型已知，使用残差可以直接根据模型调整critic网络的权值，而控制量也是critic网络权值的函数。本文中的crit...

求解非零和微分对策的自适应动态规划

04-04

非零和微分对策通常是指在博弈论中，参与者之间的利益不是完全对立的，而是存在着合作和竞争的复杂关系。在这种情况下，每个玩家会独立选择最优策略，以最小化自己的性能目标，这些性能目标依赖于自己和其他所有玩家...

在线鲁棒自适应动态规划：连续时间线性系统的双玩家零和博弈

"这篇研究论文是关于‘Robust Adaptive Dynamic Programming of Two-Player Zero-Sum Games for Continuous-Time Linear Systems’，主要探讨在线强适应动态规划算法在处理连续时间未知线性系统中的双玩家零和游戏...

Unity_RPG开发学习笔记

weixin_66484088的博客

07-28

1148

摘要本教程指导如何在Unity 2021.3中创建3D RPG项目，包含以下核心内容：1)创建项目并安装Universal RP渲染管线提升画面表现；2)从Asset Store导入地图、角色和天空盒素材；3)关键工具操作：光照设置、阴影调整、顶点吸附等快捷键使用；4)安装PolyBrush、ProBuilder等场景构建工具。教程配有详细图文步骤和视频链接，特别说明不同Unity版本在URP材质转换时的差异处理方法。

JavaWeb（苍穹外卖）--学习笔记14

2301_81189772的博客

07-28

745

本文总结了JavaWeb开发中Controller层和数据库Mapper层的关键知识点。在Controller层，重点介绍了常用注解：@ResponseBody用于直接返回数据，@RestController组合注解，以及@GetMapping等请求方法注解。同时讲解了三种参数接收方式：简单参数(@RequestParam)、JSON参数(@RequestBody)和路径参数(@PathVariable)。在数据库Mapper层，通过菜品分类、菜品和口味的表结构示例，说明了逻辑外键的使用。最后展示了常见的S

单片机学习笔记.AD/DA（略含有SPI，用的是普中开发板上的XPT2046芯片）

最新发布

2302_80302037的博客

07-30

8位1：单端008位1：单端00。

OCR 赋能拍题出答案：让学习辅导更高效

weixin_61746435的博客

07-30

相比手动输入题目搜索，OCR 让拍题过程从 “打字几分钟” 缩短到 “拍照一秒钟”，尤其对数学公式、英文阅读等复杂题型，识别准确率远超人工录入。它不仅帮学生快速核对答案，也为家长辅导作业提供了便捷工具，让学习问题的解决更即时、更省心。学生用手机拍下作业题，OCR 先精准识别图片中的文字、公式、符号，哪怕是手写体或复杂排版，也能转化为计算机可解析的文本。随后系统调用题库匹配，快速给出解题步骤和答案。“拍一拍题目就出答案” 的背后，OCR 技术是核心推手。

#C语言——学习攻略：深挖指针路线（三）--数组与指针的结合、冒泡排序

2501_91617454的博客

07-29

704

本文主要讲解了C语言中数组与指针的关系及应用。首先指出数组名在多数情况下代表首元素地址，但sizeof(数组名)和&数组名例外，前者计算整个数组大小，后者获取整个数组地址。接着介绍了用指针访问数组的方法，说明arr[i]、*(arr+i)和p[i]的等价性。然后分析了一维数组传参的本质是传递指针，因此在函数内部无法通过sizeof计算数组长度。此外，文章还讲解了冒泡排序的实现、二级指针的概念，以及如何使用指针数组模拟二维数组。这些内容有助于深入理解指针与数组的关系及其灵活应用。

向Coze学习，我们把这些工作流也开源了

weixin_45512098的博客

07-30

106

这大半年来我们团队也制作和整理了超过工作流，其中很大一部分都是现在最火的视频工作流。为了向Coze开源致敬，这次我们斑码团队也决定开源超过工作流送给大家，所有工作流都是实际跑通上线过的。大家除了可以直接拿来用，还可以用来学习，模仿，并超越。

数组内存学习

zyhhkb的博客

07-26

308

1.内存分为5块：a.栈（Stack）主要运行方法，方法的运行都会进入栈内存运行，云南行完毕之后，需要“弹栈”，为了腾空间。b.堆（Heap）保存的是对象，数组，每new一次，都会在堆内存中开辟空间，并为这个空间分配一个地址值，堆内存中的数据都是有默认值的：整数：0 小数：0.0字符：‘\u0000’ 布尔：false 引用：null。

js的学习1

快来和我一起学前端吧~

07-28

412

本文总结了JavaScript中数组常用方法和函数相关知识点。数组方法包括push/pop等增删操作、indexOf查找、sort排序、join转换字符串等12种核心方法。函数部分介绍了具名/匿名函数定义、作用域规则及逻辑中断特性。新增知识点包含数组扁平化flat()、扩展运算符...和Set去重方法。这些内容涵盖了数组操作和函数基础的核心概念，适合JavaScript初学者快速掌握基本语法和常用技巧。