本發(fā)明提供一種基于時(shí)序邏輯的安全強(qiáng)化學(xué)習(xí)方法及系統(tǒng),涉及安全強(qiáng)化學(xué)習(xí)技術(shù)領(lǐng)域,包括:步驟S1:構(gòu)建馬爾可夫決策過程MDP,用LTL描述智能體的復(fù)雜任務(wù);步驟S2:構(gòu)建有多接受集的tLDGBA,并通過接受邊界函數(shù)構(gòu)建ctLDGBA;步驟S3:構(gòu)建乘積MDP用于強(qiáng)化學(xué)習(xí)搜索最優(yōu)策略并基于LTL對(duì)安全性的描述和MDP的觀測(cè)函數(shù)構(gòu)建安全博弈,設(shè)計(jì)安全盾機(jī)制保證系統(tǒng)在學(xué)習(xí)過程中的安全性。本發(fā)明能夠獲得最大化LTL任務(wù)完成概率的最優(yōu)策略且保證學(xué)習(xí)過程中的安全性。
聲明:
“基于時(shí)序邏輯的安全強(qiáng)化學(xué)習(xí)方法及系統(tǒng)” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請(qǐng)聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)