تکمیل کد متلب کنترل LQR به روش یادگیری تقویتی

با سلام بنده 3 عدد mfile متلب دارم که: در اولین mfile یک سیستم غیرخطی گسسته زمان به روش یادگیری تقویتی حل شده در دومین mfile یک سیستم خطی پیوسته زمان به روش یادگیری تقویتی حل شده در سومین mfile سعی کردم یک سیستم غیرخطی پیوسته زمان رو به روش یادگیری تقویتی حل کنم که ترکیبی از 2 mfile ابتدایی هستش اما موفق نشدم و کد جواب نمیده و احتمالا در بخشی از کد دارم اشتباه پیش میرم. در این روش ها مسئله LQR به روش یادگیری تقویتی حل شده و سیستم ها 2 درجه ازادی هستن. دوستانی که در این زمینه تخصص دارم ممنون میشم پیشنهاد خودشون رو ثبت کنند فایل ها جهت بررسی براشون ارسال خواهد شد. هدف اصلاح فایل سوم هستش به نحوی که state های سیستم به صفر میل کنن. سپاس