基于近视理论和虚拟动态理论的适应性行为研究

协调博弈作为一类特殊的博弈,在过去几年受到广泛关注,研究主要集中在协调失败和适应性行为两方面。针对Huyck等研究个体适应性行为的局限性,将近视理论和虚拟动态理论进行扩展。基于实验调查数据,分别找出适合低均衡组和高均衡组的自适应行为模型,同时研究单个个体的适应性行为。研究发现,对于低均衡组,虚拟动态理论是预测中位数最适合的模型,近视理论是预测个体行动最适合的理论模型;对于高均衡组,虚拟动态理论在预测中位数和个体行动方面命中率都是最低的,且大部分受试者基于近视理论预测行动的命中次数最大。该研究丰富了适应性行为研究的相关理论,同时表明了个人利益和团队利益一致的重要性,慎重对待每一次选择并尽可能多参考有价值的信息,才能实现收益最大化。

基于自适应博弈的不确定非线性系统跟踪控制

基于自适应迭代算法、两人零和微分博弈和神经网络,文章研究了不确定扰动的级联非线性系统的跟踪控制问题。利用零和博弈算法,将控制和扰动作为博弈的双方,博弈的纳什均衡解将提供有界L2增益问题的解决方案,因此对于鲁棒控制非常重要。但其解决方案取决于求解设计Hamilton-Jacobi-Isaacs(HJI)方程。所以文章利用了一种基于策略迭代的在线自适应学习算法,用于解决具有已知动态的非线性系统的连续时间两人无限时延零和博弈问题。给出了针对RBF神经网络的新型优化算法,证明了最佳鞍点解的收敛性,并且还保证了系统的稳定性。仿真实例表明,该新算法在线求解线性系统和复杂非线性系统的HJI方程是有效的。