朱塞佩佩雷利

在多智能体系统的背景下，推理验证问题涉及检查当系统的组成智能体被假定为理性和战略性地行为以追求个人目标时，系统中哪些时序逻辑属性将保持不变。通常，这些目标表示为相关代理希望看到满足的时序逻辑公式。不幸的是，理性验证在计算上很复杂，需要专门的技术才能获得实际可用的实现。在本文中，我们提出了这样一种技术。这种技术依赖于将理性验证问题简化为一组奇偶博弈的解。我们的方法已经在\emphEquilibrium\emphVerification\emphEnvironment（EVE）系统中实现。EVE系统将使用简单反应模块语言（SRML）表示的并发/多代理系统模型作为输入，其中代理目标表示为线性时间逻辑（LTL）公式，以及关于系统平衡行为的声明，也表示为LTL公式。EVE然后可以检查LTL声明是否适用于通过代理选择纳什均衡策略可能产生的系统的某些（或每个）计算；它还可以检查一个系统是否具有纳什均衡，并为多层次博弈中的玩家综合个人策略。在介绍了我们的基本框架之后，我们描述了我们的新技术并证明了它的正确性。然后，我们描述了我们在EVE系统中的实现，并给出了实验结果，这些结果表明，与支持理性验证的其他现有工具相比，EVE表现良好。

综合是根据系统规范自动构建系统。系统必须在所有可能的环境中满足其规范。环境通常由具有自己目标的代理组成。因此，软化对环境行为的普遍量化并考虑其潜在因素的目标是有意义的。Fisman等人介绍了理性合成：理性主体背景下的合成问题。问题的输入由指定系统目标和构成环境的代理的时序逻辑公式和解决方案概念（例如，纳什均衡）组成。输出是系统和代理的策略配置文件，以便在作为策略结果的计算中满足系统的目标，并且配置文件根据解决方案概念是稳定的；也就是说，构成环境的主体没有偏离向他们建议的策略的动机。本文继续研究有理综合。首先，我们提出了理性合成的另一种定义，其中主体是理性的，但不是合作的。我们称这种问题为强有理综合。在强理性的合成环境中，我们不能假设构成环境的因素考虑了向他们建议的策略。因此，输出只是系统的一个策略，系统的目标必须在所有组成中得到满足，这些组成是系统遵循此策略的稳定配置的结果。我们证明了强有理综合是2EXPTIME-COMPLETE，因此它并不比传统综合或有理综合复杂。其次，我们研究了一种更丰富的规范形式主义，其中系统和代理的目标不是布尔的，而是定量的。在这种情况下，系统和代理的目标是使其结果最大化。定量设置大大扩展了理性合成的范围，使游戏理论方法更具相关性。最后，我们将设置丰富为允许组成系统或环境的代理联盟。

在开放系统验证中，要正式检查可靠性，需要适当的形式来建模代理之间的交互，并表示系统的正确性，无论环境如何运行。在这种情况下，模态逻辑在多智能体游戏（如Atl、Atl*等）的设置中为战略能力做出了重要贡献。最近，Chatterjee、Henzinger和Piterman引入了Strategy Logic，我们在这里用CHP-Sl表示，目的是获得一个强大的框架，用于明确地推理策略。CHP-Sl是通过对策略使用一阶量化得到的，并且已经在基于双代理的基于转向的游戏的非常特定的设置中进行了研究，其中提供了一个非基本的模型检查算法。虽然CHP-Sl是一种非常有表现力的逻辑，但我们认为它并没有完全捕捉到多智能体系统的战略方面\{在本文中，我们介绍并研究了一种更通用的策略逻辑，称为Sl，用于推理多智能体并发游戏中的策略。作为一个关键方面，Sl中的策略并不是本质上粘在特定的智能体上，而是显式绑定操作符允许智能体绑定到策略变量。这允许智能体共享策略或重复使用以前采用的方法。我们证明Sl严格包括CHP-Sl，同时保持可判定的模型检查问题。特别地，我们提出的算法在计算上并不比已知的CHP-Sl的最佳算法困难。此外，我们证明了Sl的这种问题是非初等的。这个消极的结果促使我们研究Sl的语法片段，严格地包含Atl*，希望得到一个基本的模型检查问题。其中，我们介绍并研究了子逻辑Sl[ng]、Sl[bg]和Sl[1g]。它们包含一种特殊的prenex标准形式的配方奶粉，分别具有嵌套的时间目标、目标的布尔组合以及一次一个目标。直观地说，对于一个目标，我们指的是一系列绑定，每个代理对应一个绑定，然后是一个Ltl公式。我们证明了Sl[1g]的模型检查问题是2ExpTime-complete，因此不比Atl*的更难。相反，Sl[ng]是非元素手，加强了Sl的相应结果。关于Sl[bg]，我们表明它包括CHP-Sl，并且它的模型检查可以通过2ExpTimelower-bound进行判定。值得启迪的是，为了获得关于Sl[1g]的积极结果，我们引入了这种逻辑语义的一个基本属性，称为行为，这使得关于策略的推理大大简化。事实上，在非行为逻辑中，如Sl[bg]和包含逻辑中，为了满足一个公式，必须考虑到在一场戏的给定时刻，一个代理人的动作可能取决于另一场反事实戏中任何代理人的动作。

为了协调和规范多智能体系统（MAS）中的行为，人们广泛提出了规范。我们考虑综合和修改规范MAS中的规范集，以满足用交替时间时序逻辑（ATL*）表示的设计目标的问题。ATL*是一种公认的战略推理语言，它允许规范约束代理人的战略行为。我们关注的是动态规范，即与Mealy机器相对应的规范，它允许我们根据规范的状态和底层MAS的状态对代理的行为施加不同的约束。我们证明了合成动态范数是（k+1）-EXPTIME，其中k是ATL*规范中量词的交替深度。注意，对于感兴趣的典型情况，k是1或2。我们还研究了删除现有规范以满足新目标的问题，我们证明该目标是2EXPTIME-complete。

我们引入并研究了规范合成：一类新的平衡验证问题，它通过有意约束多智能体系统来克服平衡的缺失。我们表明，规范足够强大，可以确保对平衡验证问题的每个实例都有积极的答案。随后，我们重点介绍了两个优化版本，旨在提供符合实施成本的解决方案。我们表明，我们的过程的复杂性介于2ExpTime和3ExpTime之间，因此这些问题并不比相应的平衡验证问题更难。