具有误差约束的多玩家系统的自适应最优规定性能跟踪解决方案

《IEEE Transactions on Neural Networks and Learning Systems》：Adaptive Optimal Prescribed Performance Tracking Solutions for Multiplayer Systems With Error Constraints

　　本文提出了一种基于自适应批评学习框架的多智能体非线性系统自适应最优性能跟踪方案，通过将跟踪误差约束在预设有界集合中，实现了稳态与自适应反馈协同优化。采用Lyapunov算法验证了critic网络权重的收敛性，并通过仿真实验验证了该方法的有效性。

　　

摘要：

本文介绍了基于自适应评论家学习方案的多人非线性系统的自适应最优性能跟踪解决方案，其中跟踪误差被限制在预定义的有界范围内。首先，提出了多人非线性系统的一般最优跟踪解决方案。每个玩家的最优跟踪解决方案由稳态部分和自适应反馈部分组成。稳态部分可以根据跟踪信号和系统动态直接获得。然后，通过规定的性能约束和自适应评论家学习来研究自适应反馈部分，使得多个价值函数在误差约束下达到纳什均衡。此外，利用李雅普诺夫算法分析了评论家网络权重的收敛性。最后，通过仿真结果和实验验证了所提出方法的良好性能。