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

Jean Zhu, Shuang Gao

Article de revue (2026)

Accéder à ce document
Lien externe
Ce document n'est pas archivé dans PolyPublie, mais peut être consulté chez l'éditeur officiel
Voir chez l'éditeur officiel

Mots clés

Département:
Département de génie électrique
Unité de recherche:
GERAD - Groupe d'études et de recherche en analyse des décisions
Organismes subventionnaires:
Natural Sciences and Engineering Research Council of Canada (NSERC), Fonds de recherche du Québec – Nature et technologies (FRQ-NT)
Adresse URL de PolyPublie:
https://publications.polymtl.ca/83069/
Titre de la revue :
IFAC-PapersOnLine ( vol. 60 , no 1 )
Maison d'édition:
Elsevier BV
DOI:
10.1016/j.ifacol.2026.09.033
URL officielle:
https://doi.org/10.1016/j.ifacol.2026.09.033
OAI:
oai:publications.polymtl.ca:83069
ORCID
Date du dépôt:
03 nov. 2026 14:03
Dernière modification:
03 nov. 2026 14:03
Citer en APA 7:
Zhu, J., & Gao, S. (2026). Data-Driven Network LQG Mean Field Games with Heterogeneous Populations via Integral Reinforcement Learning. IFAC-PapersOnLine, 60(1), 193-198. https://doi.org/10.1016/j.ifacol.2026.09.033

Statistiques

Dimensions

Actions réservées au personnel

Afficher document
Afficher document