提出随机多智能系统时序目标理性策略学习方法

发生了什么

据arXiv cs.LG论文，研究提出针对具有未知动态的随机多智能系统的理性合成方法。每个代理配备基于有限轨迹概率线性时态逻辑（PLTL_f）的概率时序目标。该方法通过纳什均衡等解概念约束联合策略，利用表式纳什Q学习提供条件收敛保证，并在8个一般和并发随机游戏中验证。