LTL综合中奇偶性博弈求解的语义标注与学习
计算机科学中的逻辑
2019-07-30 v1 系统与控制
系统与控制
摘要
我们提出“语义标注”作为LTL综合背景下求解博弈的新要素。它利用基于自动机方法的最新进展，为所生成的奇偶性博弈的每个状态产生比博弈图所能捕捉的更多信息。我们利用这一额外信息改进标准方法如下。（i）与随机初始策略下的策略改进（SI）相比，信息更充分的初始化常能不经任何计算直接得到获胜策略。（ii）该初始化也使SI得出更小的解。（iii）尽管在博弈图上的Q-learning效率不高，带有语义信息的Q-learning变得可与SI竞争。由于即便最简单的启发式也取得显著改进，实验结果证明了语义标注的效用。这一额外信息为用于策略初始化与改进的更先进学习方法打开了大门。
引用
@article{arxiv.1907.12157,
title = {Semantic Labelling and Learning for Parity Game Solving in LTL Synthesis},
author = {Jan Křetínský and Alexander Manta and Tobias Meggendorfer},
journal= {arXiv preprint arXiv:1907.12157},
year = {2019}
}