作为 Stackelberg 博弈的机器人随机监视策略
最优化与控制
2020-11-17 v1
摘要
本文研究一个随机机器人监视问题，其中移动机器人在图上随机移动以捕获一个策略性地攻击图上某位置的可潜在入侵者。假设入侵者全知：其知道移动智能体的当前位置并可以学习监视策略。移动机器人的目标是设计一种随机策略以最大化捕获入侵者的概率。我们将监视机器人与入侵者之间的策略交互建模为 Stackelberg 博弈，并研究了星型、完全和线型图中基于最优与次优马尔可夫链的监视策略。我们首先导出捕获概率的通用上界，即监视智能体的性能极限。我们证明该上界在完全图中是紧的，并进一步为自然设计提供次优性保证。对于星型和线型图，我们首先刻画监视智能体与入侵者的主导策略，然后严格证明监视智能体的最优策略。
引用
@article{arxiv.2011.07604,
title = {Stochastic Strategies for Robotic Surveillance as Stackelberg Games},
author = {Xiaoming Duan and Dario Paccagnan and Francesco Bullo},
journal= {arXiv preprint arXiv:2011.07604},
year = {2020}
}