马尔可夫决策过程中奇偶目标的带保证阈值约束
摘要
超越最坏情况合成问题最近由 Bruyère 等人 [BFRR14] 提出：其旨在构建系统控制器，针对对抗性环境提供严格的最坏情况性能保证，同时针对环境的随机模型确保更高的期望性能。我们的工作扩展了 [BFRR14] 及后续论文的框架（这些工作聚焦于定量目标），通过处理以奇偶目标编码的 -正则条件，这是表示系统功能需求的自然方式。我们构建的策略在所有博弈路径上满足一个主奇偶目标，同时确保以足够概率满足一个次要目标。与定量目标相比，该设定带来了新的挑战，因为人们无法在不危及系统功能特性的情况下轻易混合不同策略。我们确定，对于该问题的所有变体，判定策略是否存在属于 ，与经典奇偶博弈相同的复杂度类。因此，我们的框架在保持相同复杂度类的同时提供了额外的建模能力。[BFRR14] Véronique Bruyère, Emmanuel Filiot, Mickael Randour, and Jean-François Raskin. Meet your expectations with guarantees: Beyond worst-case synthesis in quantitative games. In Ernst W. Mayr and Natacha Portier, editors, 31st International Symposium on Theoretical Aspects of Computer Science, STACS 2014, March 5-8, 2014, Lyon, France, volume 25 of LIPIcs, pages 199-213. Schloss Dagstuhl - Leibniz - Zentrum fuer Informatik, 2014.
引用
@article{arxiv.1702.05472,
title = {Threshold Constraints with Guarantees for Parity Objectives in Markov Decision Processes},
author = {Raphaël Berthon and Mickael Randour and Jean-François Raskin},
journal= {arXiv preprint arXiv:1702.05472},
year = {2017}
}
备注
Full version of ICALP 2017 paper