当自然策略遇上模糊性与资源受限动作（扩充版）
多智能体系统
2025-12-24 v1 计算机科学中的逻辑
摘要
在多代理系统（MAS）的形式战略推理中，通常假设代理机（agents）（i）采用任意复杂的策略，（ii）执行每一步动作的代价为零，（iii） operate over 完全清晰的游戏结构。这些理想化假设与现实环境中人类决策方式截然不同。自然策略框架及其近期变体部分解决了这一差距，通过将策略限制为受正则表达式守卫的简洁规则。然而，它仍忽略了每种动作的成本以及人类感知事实时常伴随的不确定性。本文引入 HumanATLF，一种基于自然策略、运用模糊语义和资源受限动作的逻辑：每种动作携带来自非可补充预算的实数价值成本，原子条件与目标具有 [0,1] 区间内的程度。我们给出形式语法与语义，证明在策略复杂度 k 与资源预算 b 均为固定值时，模型检验属于 P；若仅允许一种基于布尔目标的战略算子，则为 NP 完备；当 k 与 b 均可变时，为 Delta^P_2 完备。此外，我们展示召回式策略可在 PSPACE 内决定。我们将算法实现于 VITAMIN 中，该工具为 MAS 提供开源模型检验功能，并在对抗性资源感知无人机救援情景中对其进行验证。
引用
@article{arxiv.2512.20457,
title = {When Natural Strategies Meet Fuzziness and Resource-Bounded Actions (Extended Version)},
author = {Marco Aruta and Francesco Improta and Vadim Malvone and Aniello Murano},
journal= {arXiv preprint arXiv:2512.20457},
year = {2025}
}