本發明提供一種基于時序邏輯的安全強化學習方法及系統,涉及安全強化學習技術領域,包括:步驟S1:構建馬爾可夫決策過程MDP,用LTL描述智能體的復雜任務;步驟S2:構建有多接受集的tLDGBA,并通過接受邊界函數構建ctLDGBA;步驟S3:構建乘積MDP用于強化學習搜索最優策略并基于LTL對安全性的描述和MDP的觀測函數構建安全博弈,設計安全盾機制保證系統在學習過程中的安全性。本發明能夠獲得最大化LTL任務完成概率的最優策略且保證學習過程中的安全性。
聲明:
“基于時序邏輯的安全強化學習方法及系統” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)