EUVIMEDEUVIMED entdecken
Crossref

Adversarial dynamic games for Markov jump systems: A policy iteration Q-learning method

Hao Shen, Jiacheng Wu, Jing Wang, Zhengguang Wu

Automatica · 2026-01 · 183 · 112591

DOI: 10.1016/j.automatica.2025.112591 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Automatica, 2026-01. Verfasst von Hao Shen und 3 weiteren Autor:innen. Die Arbeit wurde bisher 80-mal zitiert (Crossref) und nennt 36 Literaturangaben. Gefördert von: Science Fund for Distinguished Young Scholars of Anhui Province, National Natural Science Foundation of China.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • Science Fund for Distinguished Young Scholars of Anhui Province
  • National Natural Science Foundation of China

Zitieren

APA

Shen, H., Wu, J., Wang, J., & Wu, Z. (2026). Adversarial dynamic games for Markov jump systems: A policy iteration Q-learning method. Automatica, 183, 112591. https://doi.org/10.1016/j.automatica.2025.112591

Vancouver

Shen H, Wu J, Wang J, Wu Z. Adversarial dynamic games for Markov jump systems: A policy iteration Q-learning method. Automatica. 2026;183:112591. doi:10.1016/j.automatica.2025.112591

BibTeX
@article{Shen2026,
  author = {Shen, Hao and Wu, Jiacheng and Wang, Jing and Wu, Zhengguang},
  title = {Adversarial dynamic games for Markov jump systems: A policy iteration Q-learning method},
  journal = {Automatica},
  year = {2026},
  volume = {183},
  pages = {112591},
  doi = {10.1016/j.automatica.2025.112591}
}
Kostenlos starten →