arXiv cs.MA· Omar Adalat, Edwin Hamel-De le Court, Francesco Belardinelli·· 2 天前AI 评分20
多智能体系统中时序目标的理性策略学习
Learning Rational Strategies for Temporal Objectives in Multi-Agent Systems
AI 导读
研究针对动态未知的随机多智能体系统，提出将每个智能体的概率时序目标（用 PLTL_f 描述）转化为奖励自动机，并在 Nash 均衡、子博弈完美均衡等解概念约束下求解理性综合问题。方法基于表格型 Nash-Q 学习，给出条件收敛保证，并用同时有限样本置信界验证满足性、以近似最佳响应检查评估策略稳定性。在 8 个一般和并发随机博弈上完成实证验证。
正文 · AI 翻译
摘要：我们研究具有未知动态的随机多智能体系统的理性综合问题，其中每个智能体都配备了自己的概率时序目标，该目标使用有限轨迹上的概率线性时序逻辑（$\mathsf{PLTL}_f}$）指定。我们将解概念（例如纳什均衡、子博弈完美均衡）作为对联合策略剖面的约束，使用由每个智能体满足其时序目标的概率导出的收益。特别地，我们将每个智能体的理性综合表述为寻找一个策略剖面——如果存在的话——使得（i）指定智能体的概率时序约束得到满足，并且（ii）该剖面在选定的解概念下表示一个稳定解。我们给出了表格型 Nash-Q 学习的条件收敛保证，用同时有限样本置信界证明满足性，并通过近似最佳响应检查评估策略稳定性。我们的方法在随机\emph{多智能体强化学习}（MARL）环境中运行，其中无模型学习算法试图为自动编译为奖励自动机的时序目标获得极值满足概率。我们的方法使用 8 个一般和并发随机博弈进行了实证验证。
| 主题： | 机器学习（cs.LG）；计算机科学中的逻辑（cs.LO）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2610.22287 [cs.LG] |
| （或 arXiv:2610.22287v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22287 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Omar Adalat [查看电子邮件]
[v1]
2026年10月15日星期四 17:42:52 UTC（4,685 KB）
来源：arXiv cs.MA · arxiv.org