강화 학습 알고리즘을 통한 불연속 시간 다중 에이전트 시스템의 적응형 결함 허용 추적 제어

이 기사는 강화 학습 알고리즘을 통해 불연속 시간 다중 에이전트 시스템의 적응형 결함 허용 추적 제어 문제를 조사합니다. 행동 신경망(NN)은 알려지지 않았거나 원하는 제어 입력 신호를 근사하는 데 사용되며, 비평가 신경망은 설계 절차에서 비용 함수를 추정하는 데 사용됩니다. 또한, 직접 적응형 최적 제어기는 백스테핑 기법과 강화 학습 알고리즘을 결합하여 설계됩니다. 기존의 강화 학습 알고리즘과 비교할 때, 적은 학습 매개변수를 사용함으로써 계산 부담을 효과적으로 줄일 수 있습니다. 적응형 보조 신호는 제어 성능에 대한 사각지대 및 액추에이터 결함의 영향을 보상하기 위해 설정됩니다. 리야푸노프 안정성 이론에 기초하여, 폐쇄 루프 시스템의 모든 신호가 준글로벌 균일하게 궁극적으로 제한된다는 것이 입증됩니다. 마지막으로, 제안된 접근의 효과를 설명하기 위한 몇 가지 시뮬레이션 결과가 제시됩니다.