期望还是保证？我全都要！博弈与 MDP 的十字路口

在推理代理的战略能力时，考虑其对手的性质至关重要。在定量规范控制器合成的特定背景下，通常的问题是为反应系统设计一种策略，以产生所需的性能，同时考虑到系统环境的潜在影响。看待这种环境至少有两种方式。在双人定量博弈的经典分析中，环境是纯粹对抗性的，问题在于提供严格的性能保证。在马尔可夫决策过程 (MDP) 中，环境被视为纯粹随机的：目标是优化期望收益，而不保证单个结果。在这篇说明性工作中，我们报告了引入“超越最坏情况合成”问题的最新结果，该问题旨在构建策略，以保证在最坏情况下满足某些定量要求，同时针对作为输入给出的特定环境随机模型提供更高的期望值。该问题与生成系统控制器相关，这些控制器在日常情况下提供良好的期望性能，同时即使在非常糟糕（尽管不太可能）的情况下也能确保严格（但放宽的）性能阈值。该问题已针对平均收益和最短路径定量度量进行了研究。