隨機(jī)二人零和微分博弈

張芬1，吳紅星1，駱雯琦1，周富磊

(1.上饒師范學(xué)院 數(shù)學(xué)與計算機(jī)科學(xué)學(xué)院,江西 上饒 334001；2.上饒中學(xué),江西 上饒 334000)

隨機(jī)二人零和微分博弈

張芬1，吳紅星1，駱雯琦1，周富磊2

(1.上饒師范學(xué)院 數(shù)學(xué)與計算機(jī)科學(xué)學(xué)院,江西 上饒 334001；2.上饒中學(xué),江西 上饒 334000)

利用最優(yōu)控制理論來分析隨機(jī)條件下的二人微分博弈問題。首先，給出隨機(jī)微分方程和性能指標(biāo)函數(shù)；然后，引出了相應(yīng)的隨機(jī)二人零和微分博弈問題；最后，通過Q-Riccati微分方程來得到隨機(jī)微分博弈的最優(yōu)閉環(huán)表達(dá)式和性能指標(biāo)函數(shù)表達(dá)式。

最優(yōu)控制；博弈；隨機(jī)微分方程；Q-Riccati方程

Fleming研究了一般條件下的隨機(jī)零和微分博弈問題，并得到相應(yīng)值函數(shù)的存在性，這為研究隨機(jī)零和微分博弈問題建立了基礎(chǔ)[1]。潘立平利用Q-Riccati微分方程研究無限維最優(yōu)控制問題，得出可以用有限維的最優(yōu)控制問題解來逼近相應(yīng)無限維的最優(yōu)控制問題解[2]。Elliott研究了隨機(jī)微分博弈最優(yōu)控制策略和鞍點策略的存在性[3]。朱懷念通過Riccati微分方程和It積分研究了不定仿線性二人零和微分博弈問題，并給出了最優(yōu)可行決策的顯示表達(dá)式，且進(jìn)一步得到了最優(yōu)性能指標(biāo)函數(shù)的表達(dá)式以及其存在的充分必要條件[4]。尤云程利用Q-Riccati方程研究了確定性情況下的二人零和微分博弈[5]。王源昌通過Q-Riccati微分方程給出了非自治二人零和微分博弈的最優(yōu)控制解[6]。這些結(jié)果為本文的研究奠定了基礎(chǔ)。

1 問題描述

本文主要討論在時間區(qū)域0,T(T>0)中的隨機(jī)二人零和微分博弈。定義0,y0∈0,T×Rn(0為初始時間，y0為初始狀態(tài))，并給出相應(yīng)的隨機(jī)狀態(tài)方程如下：

(1)

其中y(·)∈Rn，矩陣A,C∈Rn×n，B1,B2∈Rn×k，函數(shù)u1(t)，u2(t)∈Rk,Y=L2(0,T;Rn),Yc=C([0,T];Rn),U1=L2(0,T;Rk)以及U2=L2(0,T;Rk)定義成所需的空間，將所有的策略u,v∈U1×U2稱之為可行策略。且其性能指標(biāo)函數(shù)[7]形式如下：

(2)

定義h(·):Rn→R，并將h(y(T))定義為C2(Rn)函數(shù)，同時設(shè)R1是n×n階正定矩陣，R2是n×n階負(fù)定矩陣。

(3)

為了解決此問題，現(xiàn)引進(jìn)Q-Riccati微分方程：

(4)

其中，Q-Riccati的解P(t,y):0,T×Rn是一個非線性的映射。Pt(t,y)和Py(t,y)分別表示關(guān)于P(t,y)對t和y求偏導(dǎo)。且Q-Riccati微分方程式(4)的解滿足下面的定義。

定義1[5-6]設(shè)P(t,y)是Q-Riccati微分方程式(4)的一個正規(guī)解，并滿足下面的條件：

(1)P(t,y)關(guān)于(t,y)連續(xù)，并且P(t,y)分別對t和y是連續(xù)可微；

(2)對于?t∈0,T，P(t,·):Rn→Rn為梯度算子；

(5)

關(guān)于任意給定的y0∈Rn，式(5)必只存在一個全局解y∈Yc。

令P(t,y)為微分方程式(4)的正規(guī)解，則根據(jù)P(t,y)的定義可知：對于?t∈0,T，?P(t,y)的不定積分φ(t,y)，其中φ(t,y):0,T×Rn是一個非線性函數(shù)且滿足下式：

(6)

引理設(shè)y(·)是初始值為y0和可行策略u1(·),u2(·)的狀態(tài)軌跡方程。如果P(t,y)是微分方程式(4)的正規(guī)解，且φ(t,y)是P(t,y)的一個不定積分，則φ(·,y(·))在時間域0,T上是絕對連續(xù)函數(shù)的，也既φ(·,y(·))∈AC0,T;R。

2 主要結(jié)果

定理1 設(shè)y(·)是關(guān)于初始值取y0和可行策略u1(·),u2(·)狀態(tài)軌跡方程。當(dāng)P(t,y)是式(4)的一個正規(guī)解時，則?P(t,y)的不定積分φ(t,y)，且φ(·,y(·))∈AC0,T;R，使得對a.e.的t∈0,T成立下式：

證明：由引理可知φ(t,y(t))a.e.關(guān)于時間域0,T上的t可微，且成立下式：

(8)

對式(8)的兩邊關(guān)于t求微分整理可得下式：

其中P(t,y)為對稱矩陣，故P(t,y)為自伴算子，所以Py(t,y(t))=Py(t,y(t))'。第三個等式結(jié)合方程式(4)便可得到?，F(xiàn)對式(9)進(jìn)行分布計算：

(11)

(12)

現(xiàn)在將式(11)和式(12)代入式(9)可得下式：

(13)

因此定理1證畢。

定理2[6]設(shè)P(t,y)為微分方程式(4)的正規(guī)解，則相應(yīng)的隨機(jī)二人微分博弈問題可解，其最優(yōu)策略和性能指標(biāo)函數(shù)值形式如下：

(14)

(15)

并可知式(14)使得式(15)滿足不等式(3)。

證明：通過利用閉環(huán)表示定理和“配方法”來證定理2。根據(jù)定理1可得P(t,y)為式(4)的一個正規(guī)解，現(xiàn)由Q-Riccati微分方程解的性質(zhì)可知：P(t,y)既滿足引理又滿足定理1。故進(jìn)一步，結(jié)合式(2)和式(13)便得下式：

(16)

現(xiàn)引進(jìn)一個α(t,y(t))函數(shù)，且其定義如下：

(17)

由式(17)可得下式：

(18)

所以將式(18)代入式(16)整理可得：

(19)

現(xiàn)對式(19)兩邊關(guān)于t從0到T取積分可得：

(20)

由式(4)和式(6)可知: 對于任意的y∈Rn，φ(T,y)-φ(T,0)=h(y)-h(0)和φ(T,y)≡h(y)。現(xiàn)將φ(T,y)≡h(y)代入式(20)，對其進(jìn)行移項整理并取期望整理可得下式：

(21)

因此由式(21)可得：

定理2證畢。

[1] FLEMING W H,SOUGANIDIS P E.On the existence of value functions of two-player zero-sum stochastic differential games[J].Indiana University Mathematics Journal,1989,38(2):293-314.

[2] 潘立平.無限維線性—非二次最優(yōu)控制問題[J].數(shù)學(xué)年刊,1997,18(A):93-108.

[3] ELLIOTT R J.The existence of optimal strategies and saddle point in stochastic differentialgames[J].Lecture Notes in Control & Information Sciences,1997,3：123-135.

[4] 朱懷念，張成科，李云龍,等.一類不定仿線性二次型隨機(jī)微分博弈的鞍點均衡策略[J].廣東工業(yè)大學(xué)學(xué)報,2012,290(3):35-39.

[5] YOU Y C.Syntheses of differential games and pseudo-Riccati equations[J].Abstract & Applied Analysis,2002,7(2):61-83.

[6] 張芬,王源昌,雷丹.非自治的二人微分博弈[J].云南師范大學(xué)(自然科學(xué)版),2014,34(6):8-13.

[7] 雍炯敏,樓紅衛(wèi).最優(yōu)控制理論簡明教程[M].北京:高等教育出版社,2006.

Random Two-person Zero-sum Differential Games

ZHANG Fen1,WU Hongxing1,LUO Wenqi1,ZHOU Fulei2

(1.School of Mathematics and Computer Science,Shangrao Normal University,Shangrao Jiangxi 334001,China;2.Shangrao Middle School,Shangrao Jiangxi 334000,China)

Using the optimal control theory to analyze that the problem of two-player zero-sum differential game in stochastic situations. First,giving the stochastic differential equation and performance index function;Then,introducing the problem of stochastic two-player zero-sum differential game. Finally,by the Q-Riccati differential equation to obtained the closed-loop expression and the optimal equation of state equation for stochastic differential game.

optimal control；game；stochastic differential equation；Q-Riccati equation

2017-07-04

上饒師范學(xué)院自然科學(xué)基金資助項目(201724)

張芬(1990-)，女，江西上饒人，助教，碩士，主要研究方向金融數(shù)學(xué)。E-mail:1024866868@qq.com

O225；O232

A

1004-2237(2017)06-0012-04

10.3969/j.issn.1004-2237.2017.06.003