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

Дифференциальная игра «преследование-уклонение» на основе обучения с подкреплением Full article

Journal

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

Output data

Year: 2024, Number: 3, Pages: 84-93 Pages count : 10 DOI: 10.24147/2222-8772.2024.3.84-93

Tags

оптимальное управление, машинное обучение, обучение с подкреплением

Authors

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

Affiliations

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

Submitted:	May 1, 2024
Published print:	Oct 17, 2024
Published online:	Oct 17, 2024

Elibrary:	72302423
OpenAlex:	W4404339857

Пока нет цитирований