本发明提供一种基于时序逻辑的安全强化学习方法及系统,涉及安全强化学习技术领域,包括:步骤S1:构建马尔可夫决策过程MDP,用LTL描述智能体的复杂任务;步骤S2:构建有多接受集的tLDGBA,并通过接受边界函数构建ctLDGBA;步骤S3:构建乘积MDP用于强化学习搜索最优策略并基于LTL对安全性的描述和MDP的观测函数构建安全博弈,设计安全盾机制保证系统在学习过程中的安全性。本发明能够获得最大化LTL任务完成概率的最优策略且保证学习过程中的安全性。
声明:
“基于时序逻辑的安全强化学习方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)