arXiv eess.SY 系统与控制· Jean Zhu, Shuang Gao·2026-10-12 12:00· 14 小时前AI 评分38

基于积分强化学习求解异构种群数据驱动网络 LQG 平均场博弈

Data-Driven Network LQG Mean Field Games with Heterogeneous Populations via Integral Reinforcement Learning

AI 导读

论文提出一种数据驱动方法，用于求解智能体动力学未知的无限时域线性二次高斯（LQG）平均场博弈，且智能体种群具有网络耦合与异构性。方法结合积分强化学习与 Kleinman 迭代求解代数 Riccati 方程（ARE），仅用轨迹数据生成网络耦合的 MFG 策略，无需智能体动力学参数。