一种有序多人Stackelberg纳什博弈的逆强化学习算法

本发明涉及一种有序多人Stackelberg纳什博弈的逆强化学习算法，包括建立专家玩家的Stackelberg纳什博弈系统，并设计惩罚函数；基于最优化控制理论；建立学习者玩家的Stackelberg纳什博弈系统；设计基于模型的逆强化学习算法；针对异质控制输入问题，设计了部分无模型逆强化学习算法，并给出基于神经网络实现该算法的过程。本发明的优点：提出了基于模型的逆强化学习算法，用于学习专家的奖励函数，有最优控制学习阶段和逆最优控制学习阶段，将IOC作为一个子问题进行求解，开发了适用于异质控制输入的部分无模型逆强化学习算法，学习者的每个玩家的轨迹与专家的轨迹完全相同。