多智能体系统中时序目标的理性策略学习

研究未知动态随机多智能体系统的理性综合问题：每个智能体拥有以有限轨迹概率线性时序逻辑（PLTL_f）描述的概率时序目标，收益由满足目标的概率导出，并以Nash均衡、子博弈完美均衡等解概念约束联合策略。作者将单智能体理性综合形式化为寻找满足指定智能体概率时序约束且在该解概念下稳定的策略剖面，给出表格型Nash-Q学习的条件收敛保证、同时有限样本置信界以及基于近似最优响应的策略稳定性检验。

AI推荐理由 提出在未知动态的随机多智能体系统中，以PLTL_f表达各智能体概率时序目标，并将Nash均衡、子博弈完美均衡等解概念作为联合策略约束；给出tabular Nash-Q学习的条件收敛保证、同时有限样本置信界与近似最优响应稳定性检查。属于多智能体强化学习与形式化方法交叉的理论工作，有明确方法框架和理论保证，但摘要未给出实验规模与具体应用场景，落地价值待验证。