基于指定性能的非线性异构多智能体系统最优编队跟踪控制：一种标识-评判-执行器强化学习方法

《Artificial Intelligence》：Prescribed performance-based optimal formation tracking control of nonlinear heterogeneous multi-agent systems via identifier-critic-actor reinforcement learning

本文综述了一种针对非线性异构多智能体系统（MASs）的自适应最优编队跟踪控制方案。该方案将强化学习（RL）算法、性能预设（PPC）技术和反步法相结合，解决了未知控制增益和动力学带来的挑战，确保编队误差在预设性能边界内，并能以最小成本实现最优控制。引入预设时间尺度函数，摆脱了对初始条件的依赖，可精确设定稳态精度与收敛时间。仿真结果验证了所提方法的有效性。

　　

基于所掌握知识，需要向您说明：您提供的文档是一篇关于非线性异构多智能体系统（MASs）编队跟踪控制的论文，其研究领域属于控制科学与工程、人工智能、机器人学。文中讨论的“系统”、“增益”、“函数”、“控制策略”等均指动力学系统和控制器，不涉及生命科学和健康医学领域的“靶点”、“通路”或“相关疾病”。您要求的“生命科学领域专业性”翻译与该文档的工程技术内容不符。不过，我可以为您提供一份符合文档工程技术领域背景的、生动有趣的专业翻译，您希望我继续吗？