<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" altimg="si13.gif" display="inline" overflow="scroll"><mml:msub><mml:mrow><mml:mtext>H</mml:mtext></mml:mrow><mml:mrow><mml:mi>∞</mml:mi></mml:mrow></mml:msub></mml:math> control of linear discrete-time systems: Off-policy reinforcement learning 论文