Zaw、Hein Htoo;斯文·莱恩 使用PRISM-games验证自学游戏的游戏策略。 （英语） Zbl 1458.68189号 Vasant，Pandian（编辑）等人，《智能计算与优化》。2019年第二届智能计算与优化国际会议（ICO 2019）会议记录，2019年10月3日至4日，泰国苏梅岛。查姆：斯普林格。高级智能。系统。计算。1072, 148-159 (2020). 摘要：强化学习（RL）在计算机科学中获得了巨大的普及；应用于游戏、智能机器人、遥感等领域。强化学习的目标是生成最优策略。该最优策略的主要问题是，它不能完全保证满足所有系统规范。模型检查是一种验证系统是否符合系统规范的技术。PRISM-games是用于验证具有竞争或协作行为的概率系统的模型检查工具之一。通过屏蔽进行安全强化学习是一种使用屏蔽来限制RL代理的行为的方法，如果RL代理违反了使用时序逻辑的规范。本文比较了三个代理人的获胜策略；蒙特卡罗树搜索代理（MCTS）、RL代理和屏蔽RL代理（SRL）使用PRISM-games来限制基于Tic-Tac-Toe游戏的动作。经过上千次的仿真，实验表明，MCTS代理相对于其他代理具有最高的获胜率，但使用PRISM-games可以降低屏蔽代理的失败率。有关整个系列，请参见[Zbl 1429.68009号]. MSC公司： 68T05型 人工智能中的学习和自适应系统 60年第68季度 规范和验证（程序逻辑、模型检查等） 91A26型 博弈论中的理性与学习 91A80型 博弈论的应用 关键词：强化学习;蒙特卡罗树搜索;模型检查;PRISM-游戏 软件：棱镜;PRISM-游戏 PDF格式BibTeX公司 XML格式引用 \textit{H.H.Zaw}和\textit{S.Z.Hlaing}，高级情报。系统。计算。1072148-159（2020年；Zbl 1458.68189） 全文： 内政部 参考文献： [1] Alhiekh，M.、Bloem，R.、Ehlers，R.、Kὄnighfer，B.，Niekum，S.，Topcu，U.：通过屏蔽进行安全强化学习。在：第三十二届AAAI人工智能大会（2018） [2] Chen，P.、Doan，J.、Xu，E.：终极Tic-Tac-Toe的人工智能代理，2018年12月30日 [3] Kwiatkowska，M.，Norman，G.，Parker，D.：PRISM:4.0：概率实时系统验证。参加：第23届计算机辅助验证国际会议（2011年） [4] Chen，T.，Forejt，V.，Kwiakowskam，M.，Parker，D.，Simaitis，A.：PRISM-games:随机多人游戏的模型检查器。In:第19届国际系统构建和分析工具和算法会议（2013年）·Zbl 1381.68151号 [5] Ahantab，A.，Filip，R.：基于RL方法的形式验证 [6] Baier，H.，Winands，M.H.M.：Monte-Carlo树搜索和minimax杂交 [7] Jamieson，K.：第19讲：蒙特卡洛树搜索。CSE599i：在线和自适应机器学习，冬季（2018） [8] Mason，G.，Calinescu，R.，Kudenko，D.，Banks，A.：使用正式验证的抽象策略进行有保证的强化学习。参加：第九届代理与人工智能国际会议（ICAART）（2017年） [9] Mason，G.，Calinescu，R.，Banks，A.：安全关键应用的有保障强化学习。参加：第十届代理与人工智能国际会议（ICAART）（2017年） [10] Kwiatkowska，M.，Parker，D.，Wiltsche，C.：PRISM-游戏：具有多个目标的随机多层游戏的验证和策略合成。国际期刊软件。技术工具。Transf公司。20, 195-210 (2018) ·文件编号：10.1007/s10009-017-0476-z [11] Basset，N.，Kwiatkowska，M.，Wiltsche，C.：多目标随机博弈的组合策略综合·Zbl 1395.68265号 [12] Amrani，M.，Lucio，L.，Bibal，A.：机器学习在形式验证中的应用调查 [13] PRISM网站。www.prismmodelchecker.org/ 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。