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)
872
编辑：管理员
来源：北方有色网
咨询细节
