Дифференциальная игра «преследование-уклонение» на основе обучения с подкреплением | Sciact - Система учета научной деятельности ИМ СО РАН

Дифференциальная игра «преследование-уклонение» на основе обучения с подкреплением Научная публикация

Журнал

Математические структуры и моделирование
ISSN: 2222-8772 , E-ISSN: 2222-8799

Вых. Данные

Год: 2024, Номер: 3, Страницы: 84-93 Страниц : 10 DOI: 10.24147/2222-8772.2024.3.84-93

Ключевые слова

оптимальное управление, машинное обучение, обучение с подкреплением

Авторы

Чуканов С.Н. ¹ , Чуканов И.С. ² , Лейхтер С.В. ³

Организации

1	Омский филиал Института математики им. С.Л. Соболева СО РАН
2	Уральский федеральный университет имени первого Президента России Б.Н. Ельцина
3	Омский государственный университет им. Ф.M. Достоевского

В работе рассмотрены алгоритмы оптимального управления, основанные на схемах обучения актор/критик с подкреплением (RL). Алгоритмы используются для решения задач преследования-уклонения (PE) дифференциальных игр. Работа фокусируется на реализации решения политики агента в соответствии с концепцией адаптивного динамического программирования. Суть решения задачи PE-игры заключается в получении политики управления каждого агента (преследователя и уклоняющегося) с обеих сторон игры. В работе предложен метод адаптивного динамического программирования (ADP) для решения равновесных политик Нэша в дифференциальных играх преследования-уклонения для двух игроков. Используется метод аппроксимации функции стоимости для расчёта параметров нейросети (NN) без непосредственного решения уравнения Гамильтона-Якоби.

Чуканов С.Н. , Чуканов И.С. , Лейхтер С.В.
Дифференциальная игра «преследование-уклонение» на основе обучения с подкреплением
Математические структуры и моделирование. 2024. №3. С.84-93. DOI: 10.24147/2222-8772.2024.3.84-93 РИНЦ OpenAlex

Поступила в редакцию:	1 мая 2024 г.
Опубликована в печати:	17 окт. 2024 г.
Опубликована online:	17 окт. 2024 г.

РИНЦ:	72302423
OpenAlex:	W4404339857

Пока нет цитирований