本文重点针对一种基于强化学习的线性多人博弈的自适应优化控制问题,展开了研究。同时考虑到跳变系统的内部耦合关系,本文重点介绍了子系统转换技术,将跳变系统内部的耦合关系加以解耦。文章中提出了一种新型的强化学习的方法,通过在线策略迭代的方法来求解多人博弈的控制问题。以往都是用离线的迭代方法来实现的,有很大的局限性,而本文提出的在线策略迭代是完全不需要系统内部矩阵的相关信息,且具有更高效,更快速的优点。最后通过数值仿真计算来证明提出的方法的合理性、实用性。下面介绍本文的具体贡献和研究内容:首先,深入研究了基于在线强化学习的连续时间线性系统中的多人非零和博弈的控制问题。在本文中首次给出了一个并行求解线性系统中的多人非零和博弈的离线算法。这种离线计算是为了直接求解Riccati方程组,但具有较大的局限性。根据此问题提出了一个新型的在线策略迭代算法,该算法在求解的过程中是不需要系统的内部矩阵的,最后通过数值仿真计算来证明提出的方法的合理性、实用性。然后,研究了基于在线强化学习的连续时间Markov跳变线性系统的多人非零和博弈。在前面研究的问题中加入了Markov跳变的问题,因为跳变系统属于复杂系统所以一般的方法不能直接应用,需要加入子系统转换技术。而且多人非零和博弈系统中每个玩家会出现耦合,给我们的求解公式带来了一定难度。所以在此研究中我们首先收集系统状态和输入的子系统信息,然后我们使用在线学习来计算相应的N个耦合代数Riccati方程,最后提出策略迭代的算法来求解这个方程。最后通过数值仿真计算来证明提出的方法的合理性、实用性。接着,研究了基于在线强化学习的跳变线性系统的多人零和博弈的控制问题。首先,我们考虑了这个问题作为求解相应的耦合代数Riccati方程的一个等价问题。然后,针对Markov跳变系统的复杂性引入了一种新的子系统转换技术来解决其中的耦合关系。并设计了一种在线策略算法同时添加探测噪声来激励系统。最后通过数值仿真计算来证明提出的方法的合理性、实用性。最后,给出了概括总结和前景展望,并指出了相关课题今后可以研究的方向。