A Complete Mental Temporal Logic for Intelligent Agents
College of Computer Science;Technology Nanjing University of Aeronautics
该研究提出融合心智模态的时态逻辑 BPICTL,建立可靠完备推理系统、证明有限模型性质并给出模型检测算法。
2026-10-30 cs.LO
Uncertainty-Based Knowing How Logic
本文提出基于计划间不可区分关系的新多智能体“知道如何”算子语义,证明其能涵盖先前方法,并研究了其公理化、互模拟及计算复杂度等逻辑性质。
2023-04-03 cs.LO
Tractable reasoning about Agent Programming in Dynamic Preference Logic
虽然在Agent编程领域已经提出了几种BDI逻辑,但尚不清楚这些逻辑如何连接到它们应该指定的Agent程序。更重要的是,这些逻辑中的推理问题,基于模态逻辑,一般来说是不容易处理的,限制了它们的使用来解决现实世界的问题。在这项工作中,我们使用的动态偏好逻辑BDI代理程序设计语言提供了一个语义基础,并调查这个逻辑的易处理的表达片段的原因代理程序。有了这一点,我们的目标是提供一种实现语义接地代理程序设计语言与易处理的推理周期的方式。
2019-11-14 cs.LO cs.MA
Towards an Updatable Strategy Logic
本文介绍的是时态多智能体逻辑。这些形式主义中的几个已经提出(ATL-ATL*,ATLsc,SL)。它们能够表达系统中代理的能力,以确保时间属性的满足。特别是,SL和ATLSC使几个代理在一个上下文中混合不同的策略,他们在一个语义游戏中发挥相互作用。我们概括了这种可能性,提出了一种新的形式主义,更新策略逻辑(USL)。在USL中,智能体也可以改进自己的策略。表达能力的提高提高了代理人“可持续能力”的概念。USL是由SL构建的。它主要给SL带来了以下两个方面的修改:语义上,给定状态的后继者不是由每个Agent的一个选择的数据唯一确定的。从语法上讲,我们在语言中引入了一个操作符,称为“unbinder”,它明确地删除了策略与代理的绑定。我们表明,USL是严格的表达比SL。
2013-03-04 cs.LO
From Actions to Obligations: A Deontic Action Model Logic
TU Wien(维也纳工业大学)
提出道义行动模型逻辑(DAML),通过整合道义评估机制扩展认知行动模型逻辑,用于推理多智能体系统中关于行动的义务,并证明其公理化系统的可靠性和完备性。
2026-05-26 cs.LO
Agent-Knowledge Logic for Alternative Epistemic Logic
本文提出一种智能体-知识逻辑,通过乘积个体知识结构与智能体关系集合构建,证明其可嵌入标准认知逻辑并具有有限时间运行的表格演算证明系统。
2024-12-31 cs.LO math.LO
Neighbourhood semantics and axioms for strategic fragment of classical stit logic
STIT语义学是能动模态逻辑中最重要的工具之一,在哲学家和负责任的人工智能学者中广泛使用。STIT逻辑调查代理人的属性,确保某种状态保持不变,而不指定保证这种状态的具体行动。与其他多主体模态逻辑相比,STIT理论的主要优势在于表达能力。STIT逻辑不仅允许研究关于代理执行某些动作的能力的陈述(因为它是在联盟逻辑或命题动态逻辑的变体中),而且还可以研究他们做出的选择以及他们实际上实现的目标。然而,在某些情况下,这种表达可能是多余的。本文考察了经典STIT逻辑的一个特定片段,它只有战略模态算子,代表着这样一个事实,即代理人有能力看到它,一些事态的持有。片段的邻域语义,伴随着健全性,规范性,因此强完备性的结果。此外,本文提出的片段的认知扩展的基本考虑。
2022-03-17 cs.LO
Refining Timing Uncertainty from Logical Time Specification to Operation
Inria(法国国家信息与自动化研究所);Université Côte d'Azur(蔚蓝海岸大学)
本文提出基于CCSL的细化时序规范框架,分三层次引入时序知识,将随机信息作为细化附加,支持增量集成,并在OCaml工具及软件定义车辆用例中验证。
2026-09-16 cs.LO
Coalgebraic Modal Logic for Dynamic Systems with Uncertainty
本文提出一类包含多种不确定性测度的多项式函子,用于构造表示不确定进程的余代数,并给出相应模态逻辑的公理、推理规则及基于典范余代数的完备性证明。
2024-04-01 cs.LO math.LO
Revisiting Epistemic Logic with Names
本文回顾了文献[10]中提出的多主体认知逻辑,其中主体和主体集合被抽象的、内涵的“名称”所取代。我们做了三个贡献。首先,我们研究了它的模型理论,提供了足够的互模拟和框架态射的概念,并使用它们来研究逻辑的表达能力和可定义性。其次,我们证明了逻辑具有自然的邻域语义,这反过来又可以证明[10]中的公理化不依赖于可能有争议的知识的内省属性。最后,我们扩展的逻辑与共同的和分布式的知识运营商,并提供了一个健全的和完整的公理化这些扩展。这些结果放在一起,把原来的认知逻辑与名称在一个更现代的背景下,并打开了一扇门的认知现象的逻辑分析组成员是不确定的或可变的。
2021-06-22 cs.LO
Temporal Logics Over Finite Traces with Uncertainty (Technical Report)
University of Tartu(塔尔图大学);Free University of Bozen-Bolzano(博尔扎诺自由大学);University of Milano-Bicocca(米兰比可卡大学)
有限迹上的时态逻辑最近在许多领域得到了广泛的应用,从业务流程建模、监控和挖掘到规划和决策。然而,现实生活中的动态系统包含一定程度的不确定性,这是经典逻辑无法处理的。因此,我们提出了一个新的概率时序逻辑有限的痕迹使用叠加语义,所有可能的演变是可能的,直到观察。我们研究了逻辑的属性,并提供了基于自动机的机制,用于从其公式中导出概率推理。然后,我们研究的逻辑具有更好的计算性能的片段。值得注意的是,可以使用现成的现有声明性进程发现技术从事件日志数据中发现该片段中的公式。
2019-11-18 cs.AI cs.LO
Program Semantics and a Verification Technique for Knowledge-Based Multi-Agent Systems
我们给出了“基于知识的程序”的关系和最弱前提语义,即,限制变量的可观测性的程序,以便丰富地表达能够或不能观测所述变量的代理的知识的变化。基于这些知识为基础的程序,我们定义了一个程序的认知逻辑模型复杂的认知属性的多智能体系统的执行。我们翻译的有效性程序认知逻辑公式的一阶有效性,使用我们最弱的前提语义和巧妙的簿记变量分配。我们在Haskell中以一般的方式实现我们的翻译(即,独立于逻辑语句中的程序),并在一系列行之有效的例子上测试我们的新程序-认知逻辑的这种新颖的验证方法。
2022-07-06 cs.LO
PDL as a Multi-Agent Strategy Logic
命题动态逻辑(PDL)是作为推理常规编程结构的逻辑而发明的。我们提出了一个新的视角PDL作为一个多智能体的战略逻辑(MASL)。这种策略推理逻辑将群体策略作为一等公民,并使博弈逻辑更接近标准模态逻辑。我们证明了MASL可以自然地表达博弈论,社会选择理论和投票理论的关键概念,我们给出了一个健全而完整的证明系统MASL,我们表明,MASL编码联盟逻辑。接下来,我们扩展的语言,认知多智能体战略逻辑(EMASL),我们给出的例子,它可以表达什么,我们建议使用它提出新的问题,在认知社会选择理论,我们给一个演算推理的自然类的认知博弈模型。最后,我们列出了未来研究的途径,并通过追踪与其他一些逻辑的联系来推理策略。
2013-10-23 cs.GT cs.LO
A Dynamic Preference Logic for reasoning about Agent Programming
在这项工作中,我们调查使用动态偏好逻辑编码BDI心理态度。此外,探索这种编码和表示的偏好可能的世界的偏好命题公式,这里称为优先图,我们评论如何解释BDI代理程序在这个逻辑。此外,使用之间的连接定义的动态操作的偏好模型和它们的编码优先图上的转换,我们展示了我们的逻辑如何不仅可以用来推理代理程序,但作为一种工具来指定推理机制,以保证某些属性的合理性理论的程序设计语言。
2019-11-14 cs.LO cs.MA
Uncertainty-Based Semantics for Multi-Agent Knowing How Logics
我们引入了一个新的语义多智能体认知运营商知道如何,计划之间的不可分割的关系的基础上。我们的建议,可以说,更接近于标准的介绍,知道模态在经典的认知逻辑。我们研究了这种语义和以前的方法之间的关系,表明我们的设置是一般的,足以捕捉它们。我们还定义了一个合理而完整的公理化,并研究了它的模型检验和可满足性问题的计算复杂性。
2021-06-22 cs.LO cs.MA
Depth-bounded epistemic logic
本文提出深度有界认知逻辑DBEL及其公开宣告扩展DPAL,模拟智能体仅能推理有限模态深度的公式,给出公理化与复杂性结果,并应用于泥孩子问题以刻画所需深度知识界限。
2023-05-15 cs.LO math.LO
Logic of Awareness for Nested Knowledge
本文提出了带划分与链的意识逻辑(ALPC),通过引入不可区分关系和意识的信念链来形式化有限推理能力智能体的嵌套显式知识,并提供了Kripke风格语义、完备的证明系统及其在计算机科学和博弈论中的应用展望。
2024-02-13 cs.LO cs.MA
Communication between agents in dynamic epistemic logic
本文研究认知逻辑主体之间的交流行为。它首先通过观察所有/一些代理共享其所有信息的行为,定义转换模型的模型操作,讨论其属性,引入一种用于描述它的模态,并为后者提供公理系统。手稿的主要部分集中在一个行动,通过这个行动,一些代理人分享他们的部分信息:他们分享他们所知道的关于给定公式定义的主题的所有信息。手稿再次定义了转换模型的模型操作,讨论了它的属性,介绍了描述它的模态,并为后者提供了一个公理系统。
2022-10-10 cs.LO cs.MA
A Modal Logic Framework for Multi-agent Belief Fusion
本文的目的是提供一个统一的框架推理多个代理人的信念和他们的融合。在本文的第一部分中,我们开发的逻辑推理谨慎合并的信念,不同程度的可靠性的代理。逻辑是通过结合多智能体认知逻辑和多源推理系统获得的。每个智能体的可靠性排序都由一个模态算子表示,因此我们可以在不同的情况下对合并的结果进行推理。融合是谨慎的,在这个意义上,如果一个代理的信念是在冲突与那些更高的优先级,那么他的信念是完全从合并的结果丢弃。我们考虑两种策略的谨慎合并的信念。在第一种情况下,如果在某个层次上出现不一致,则同时丢弃较低层次上的所有信念,因此称为层次切割策略。对于第二种策略,只跳过发生不一致的层,称为跳层策略。给出了这两种策略的形式语义和公理系统。在第二部分中,我们扩展了逻辑的语法和语义,以涵盖一些更复杂的信念融合和修订运营商。虽然大多数现有的方法将信念融合算子视为元级结构,但这些算子直接纳入我们的对象逻辑语言中。因此,在我们的逻辑中,不仅可以用合并的结果进行推理,而且可以对融合过程进行推理。我们的扩展逻辑与信念修正的条件逻辑的关系也进行了讨论。
2002-01-23 cs.AI cs.LO
Inquisitive Action Logic
University of Padua(帕多瓦大学)
提出探究性行动逻辑InqAL,一种用于推理行动的多主体模态逻辑,通过问题模态分析主体对结果的确定作用,并证明其完备性和可判定性。
2026-07-01 cs.LO cs.MA
Explicit Evidence Systems with Common Knowledge
本文开发了一种包含个体与公共知识证据项的多智能体证明逻辑,定义了 Kripke 风格语义并证明其可靠性与完备性,同时分析了其与 S4 的关系及协调攻击问题。
2010-05-04 cs.LO math.LO
Exploring the bidimensional space: A dynamic logic point of view
我们提出了一个家庭的逻辑推理代理的位置和运动在平面上有几个潜在的应用领域的多智能体系统(MAS),如多智能体规划和机器人。最一般的逻辑包括(i)原子公式,用于表示给定事实的真实性或给定代理在平面的某个位置的存在,(ii)原子程序,对应于平面中的四个基本方向(上,下,左,右)以及命题动态逻辑的四个程序构造(顺序组合,非确定性组合,迭代和测试)。由于这种逻辑是不可计算的,我们研究了它的一些有趣的可判定和可公理化的片段,并给出了一个可判定的扩展,它的无迭代片段通过表示智能体在平面上运动的特殊程序来实现。
2017-02-06 cs.AI cs.LO
Foundations of Reasoning with Uncertainty via Real-valued Logics
IBM Research(IBM研究院)
实值逻辑是越来越多的神经符号方法的基础,尽管它们的逻辑推理能力通常只定性地描述。我们为建立这种系统的正确性和功能提供了基础。我们给出了一个健全的和强完备的公理化,可以参数化,以涵盖基本上每一个实值逻辑,包括所有常见的模糊逻辑。我们的句子类非常丰富,每个句子描述了实值逻辑的公式集合的一组可能的实值,包括哪些实值组合是可能的。强完备性允许我们精确地推导出关于给定的关于其他几个公式集合的实值组合的信息的公式集合的实值组合的信息。然后,我们扩展公理化处理加权子公式。最后,我们给出了一个基于线性规划的决策过程,对于某些实值逻辑,在某些自然假设下,我们的一组句子在逻辑上是否意味着另一个句子。
2022-08-30 cs.AI cs.LO
Towards AI Logic for Social Reasoning
Zhejiang University(浙江大学);University of Luxembourg(卢森堡大学)
人工智能逻辑对智能主体推理进行形式表征。在本文中,我们讨论了如何使用基于论证的人工智能逻辑来形式化社会推理的重要方面。除了推理个体代理人的知识和行为之外,社会AI逻辑还可以推理代理人之间的社会依赖性,使用代理人的权利、义务和许可。我们讨论了社交AI逻辑的四个方面。首先,我们讨论了权限如何表示智能主体的义务和权限之间的关系。其次,我们讨论了如何论证知情权,这是最近隐私和伦理讨论的一个中心问题。第三,我们讨论了如何通过比较形式化参数来识别和(有时)解决智能主体之间的各种冲突。重要的是,为了涵盖日常生活中发生的各种各样的争论,谬误的争论也可以被表现出来并进行推理。第四,我们讨论了如何论证智能主体的行动自由。来自社会、法律和伦理推理的例子突出了发展社会AI逻辑的挑战。对这四个挑战的讨论引出了一个基于争论的社会人工智能逻辑的研究计划,为人工智能逻辑的未来发展做出了贡献。
2021-10-09 cs.AI cs.LO
A Logic for Reasoning about Upper Probabilities
Cornell University(康奈尔大学)
我们提出了一个命题逻辑推理的不确定性事件,其中的不确定性是由一组概率的措施分配一个概率的间隔,每个事件建模。我们给出了该逻辑的一个完备公理化,并证明了可满足性问题是NP-完全的,并不比命题逻辑的可满足性问题难。
2014-08-07 cs.AI cs.LO
Common Knowledge of Abstract Groups
认知逻辑通常讨论个体代理或明确列出的代理组的知识。然而,人们往往希望表达由某一特定属性所指定的代理人群体的知识,如“这是经济学家之间的常识”。我们介绍这样一个逻辑的共同知识,我们的术语抽象组认知逻辑(AGEL)。也就是说,AGEL的特点是一个共同的知识运营商组的代理商给出的概念,在一个单独的代理逻辑,我们保持通用,与一个可能的代理逻辑是ALC。我们发现,AGEL是EXPTIME-完全的,与标准的组认知逻辑的减少建立的下限,并通过一个满足性保持嵌入到完整的$μ$ -演算的上限。进一步的主要结果包括有限的模型属性(不享有充分的$μ$ -演算)和一个完整的公理化。
2022-11-29 cs.AI cs.LO
Probabilistic Strategy Logic with Degrees of Observability
University of Aberdeen(阿伯丁大学);Utrecht University(乌得勒支大学);Open University Netherlands(荷兰开放大学)
针对现有概率策略逻辑无法表达信息透明性的问题,本文引入可观测性算子扩展 Probabilistic Strategy Logic,提出随机多智能体系统的形式化推理框架,并证明其模型检测问题可判定。
2025-01-06 cs.AI cs.LO
Logic Programming for Finding Models in the Logics of Knowledge and its Applications: A Case Study
Arizona State Univ.(亚利桑那州立大学);New Mexico State Univ.(新墨西哥州立大学)
知识逻辑是模态逻辑,已被证明是有效的表示和推理的知识在多代理领域。用于处理模型计算和知识逻辑中的有用转换的计算框架相对较少(例如,以支持具有知识动作和可见度的多代理规划)。本文探讨了使用逻辑编程(LP)编码有趣的形式的逻辑知识和计算Kripke模型。的LP建模扩展与有用的运营商Kripke结构,以支持多智能体规划中存在的世界改变和知识的行动。这将导致有史以来第一次实现这种类型的复杂的多智能体域的规划。
2010-07-21 cs.AI cs.LO
Reasoning About the Transfer of Control
University of Liverpool(利物浦大学)
我们介绍DCL-PC:一种逻辑,用于推理代理人和代理人联盟的能力如何通过将控制权从一个代理人转移到另一个代理人而改变。DCL-PC的逻辑基础是CL-PC,一种推理合作的逻辑,其中代理和代理联盟的能力源于原子布尔变量到单个代理的分布-联盟的选择对应于联盟控制的变量的分配。DCL-PC的基本模型结构是联盟C可以合作带来phi的形式。DCL-PC扩展了CL-PC的动态逻辑模态,其中原子程序的形式是代理i将变量p的控制权交给代理j;与动态逻辑中的常见情况一样,这些原子程序可以使用序列,迭代,选择和测试运算符组合以形成复杂的程序。通过将这种动态转移程序与合作模式相结合,可以推断代理人和联盟的权力如何受到控制权转移的影响。我们给出了两种替代语义的逻辑:一个直接的语义,在其中我们捕获的布尔变量的分布代理;和一个更传统的Kripke语义。我们证明了这些语义是等价的,然后给出了一个公理化的逻辑。我们调查的计算复杂性的模型检验和可满足性的DCL-PC,并表明,这两个问题是PSPACE完全的(因此不差于底层逻辑CL-PC)。最后,我们研究了DCL-PC的控制特性。我们区分一阶控制-代理或联盟通过分配值到代理或联盟控制下的变量来控制某些事务状态的能力-和二阶控制-代理通过将变量转移到其他代理来控制其他代理的能力。我们给出了二阶控制的逻辑刻画。
2014-01-16 cs.AI cs.LO
Uncertainty Removal in Verification of Nonlinear Systems against Signal Temporal Logic via Incremental Reachability Analysis
U2IS, ENSTA, Institut Polytechnique de Paris(巴黎理工学院 U2IS)
本文通过增量可达性分析方法,解决非线性系统在验证信号时间逻辑规范时的不确定性问题,有效减少满足模糊性。
2026-09-28 cs.FL cs.LO
Interactions between Knowledge and Time in a First-Order Logic for Multi-Agent Systems: Completeness Results
Imperial College London(伦敦帝国理工学院)
研究了一类用于多智能体系统推理的一阶时间认知逻辑。我们编码系统的典型属性,包括完美的回忆,同步性,无学习,并具有独特的初始状态的变量的量化解释系统,解释系统的一阶扩展。我们确定了几个单音节片段的一阶时间认知逻辑,并显示其完整性相对于其相应的类的量化解释系统。
2014-01-23 cs.AI cs.LO cs.MA
Dependency Stochastic Boolean Satisfiability: A Logical Formalism for NEXPTIME Decision Problems with Uncertainty
随机布尔可满足性(Stochastic Boolean Satisfiability,SSAT)是一种逻辑形式主义,用于建模具有不确定性的决策问题,例如用于概率系统验证的部分可观察马尔可夫决策过程(Partially Observable Markov Decision Process,POMDP)。然而,SSAT受限于其在PSPACE复杂性类中的描述能力。更复杂的问题,如NEXPTIME完全分散POMDP(Dec-POMDP),不能用SSAT简洁地编码。为了提供这样的问题的逻辑形式主义,我们扩展的依赖量化布尔公式(DQBF),在NEXPTIME-完全类的代表性问题,其随机变量,命名为依赖SSAT(DSSAT),并显示DSSAT也是NEXPTIME-完全的。我们展示了DSSAT的潜在应用的概率和近似设计的电路综合。此外,为了研究DSSAT的描述能力,我们建立了从Dec-POMDP到DSSAT的多项式时间约简。随着这项工作的理论基础,我们希望鼓励DSSAT解算器的发展,为潜在的广泛应用。
2021-02-25 cs.CC cs.LO
Tableau-based decision procedure for the multi-agent epistemic logic with operators of common and distributed knowledge
我们开发了一个基于增量表的决策过程的多智能体认知逻辑MAEL(CD)(又名S5_n(CD)),其语言包含运营商的个人知识的代理有限集Ag,以及运营商的分布和共同的知识在Ag的所有代理。我们的tableau程序工作在(确定性)指数时间,从而建立了一个上限MAEL(CD)-可满足性,匹配(隐式)下限已知从早期的结果,这意味着ExpTime-完整的MAEL(CD)-可满足性。因此,我们的程序提供了一个复杂的最佳算法检查MAEL(CD)-可满足性,然而,在大多数情况下,是更有效的。我们证明了该方法的可靠性和完备性,并举例说明。
2008-08-29 cs.LO cs.MA
Modal Logic for Reasoning About Uncertainty and Confusion
The Czech Academy of Sciences(捷克科学院);Rensselaer Polytechnic Institute(伦斯勒理工学院);Aix Marseille Univ, CNRS, LIS(艾克斯-马赛大学,法国国家科学研究中心,信息学实验室)
本文提出了一种扩展的模态逻辑KG_inv,用于处理不确定性与困惑的推理,并展示了其在PSPACE中的完备性。
2025-11-27 cs.LO math.LO
A logic for reasoning about upper probabilities
我们提出了一个命题逻辑%,它可以用来推理的不确定性事件,其中的不确定性是由一组概率的措施分配一个区间的概率为每个事件建模。我们给出了该逻辑的一个完备公理化,并证明了可满足性问题是NP-完全的,并不比命题逻辑的可满足性问题难。
2003-07-30 cs.AI cs.LO
Policy Synthesis for Factored MDPs with Graph Temporal Logic Specifications
我们研究了多智能体系统实现时空任务的策略合成。我们正式的问题作为一个因素马尔可夫决策过程受到所谓的图形时序逻辑规范。每个智能体的转移功能和时空任务取决于智能体本身及其邻近的智能体。在模型和规格的结构,使开发一个分布式算法,给定一个因子马尔可夫决策过程和图形时序逻辑公式,分解成一组较小的合成问题,每个代理的合成问题。我们证明了该算法运行在时间上的总代理数的线性。每个代理的合成问题的大小仅在相邻代理的数量上是指数的,这通常比代理的数量小得多。我们在疾病控制和城市安全的案例研究中证明了该算法。数值算例表明,该算法可以扩展到数百个智能体。
2020-01-24 cs.LO cs.MA math.OC
Depth-bounded Epistemic Logic
MIT(麻省理工学院)
本文提出限制智能体模态推理深度的 DBEL 与支持公开宣告的 DPAL,给出公理化和复杂性结果,并以泥孩问题刻画所需深度知识的界。
2023-07-11 cs.AI cs.LO cs.MA
Refinement Modal Logic
Universidad Politécnica de Madrid(马德里理工大学);LORIA, CNRS – Université de Lorraine(洛林计算机科学与应用数学实验室(法国国家科学研究中心-洛林大学));University of Western Australia(西澳大利亚大学);IRISA, University of Rennes(雷恩大学计算机科学与随机系统研究所)
本文提出了{ \em精化模态逻辑}。精化类似于互模拟,不同之处在于从三个关系需求中只需要满足“原子”和“返回”。我们的逻辑包含一个新的操作符“所有”除了标准的模态“框”为每个代理。运算符“all”充当给定模型的所有细化的集合上的量词。作为互模拟量词的一种变体,这个精化运算符或精化量词“all”可以被看作是对一个没有出现在它所约束的公式中的变量进行量化。这种逻辑结合了多智能体模态逻辑的简单性和一元二阶量化的一些能力。我们提出了一个健全的和完整的公理化的多智能体精化模态逻辑。我们还提出了一个扩展的逻辑模态μ演算,和公理化的单代理版本的这个逻辑。例子和应用程序也进行了讨论:软件验证和设计(一套代理也可以被看作是一套行动),并动态认知逻辑。我们进一步给出了详细的结果,可满足性的复杂性,简洁性。
2013-12-25 cs.AI cs.LO
Distributed Policy Synthesis of Multi-Agent Systems With Graph Temporal Logic Specifications
我们研究了分布式合成的政策多代理系统执行\emph{spatial-temporal}任务。我们正式的合成问题作为一个\emph{factored}马尔可夫决策过程受\emph{graph temporal logic}规范。每个代理的转换功能和任务是代理本身及其相邻代理的功能。在这项工作中,我们开发了另一种分布式合成方法,与我们之前的工作相比,该方法将可扩展性和运行时间提高了两个数量级。合成方法将问题分解为一组较小的问题,通过利用模型中的结构和规范,每个代理一个问题。我们表明,该方法的运行时间是线性的代理的数量。每个代理的问题的大小仅在相邻代理的数量上是指数的,这通常比代理的数量小得多。我们证明了疾病控制,城市安全,搜索和救援的案例研究中的方法的适用性。数值算例表明,该方法可扩展到数百个代理,每个代理有数百个状态,也可以处理比我们以前的工作显着更大的状态空间。
2021-06-01 cs.LO cs.MA
Multi-Agent Reinforcement Learning with Temporal Logic Specifications
University of Oxford(牛津大学);Monash University(莫纳什大学)
在本文中,我们研究的问题,学习满足时序逻辑规范与一组代理在一个未知的环境中,这可能会表现出概率行为。从学习的角度来看,这些规范提供了一个丰富的形式语言,捕捉任务或目标,而从逻辑和自动验证的角度来看,学习能力的引入允许在大型,随机,未知的环境中的实际应用。然而,这方面的现有工作是有限的。考虑完整的线性时序逻辑或具有正确性保证的框架中,所有方法到目前为止只考虑单个时序逻辑规范和单个代理的情况。为了克服这一局限性,我们开发了第一个多智能体强化学习技术的时序逻辑规范,这也是新颖的,它能够处理多个规格。即使使用函数逼近,我们也为我们的主要算法-- ALMANAC(自动机/逻辑多智能体自然演员-评论家)--提供正确性和收敛性保证。除了我们的理论结果,我们进一步证明了我们的技术的适用性,通过一组初步的实验。
2021-02-09 cs.AI cs.LG cs.LO
Robust Cooperation in the Prisoner's Dilemma: Program Equilibrium via Provability Logic
我们认为一次囚徒困境的算法之间的读取访问彼此的源代码,我们使用模态逻辑的可证明性,以建立代理,可以实现相互合作的方式是强大的,在合作不需要完全平等的代理的源代码,和不可利用的,这意味着这样的代理从来没有合作时,其对手的缺陷。我们构建了一个通用的框架,这样的“模态代理”,并研究他们的属性。
2021-04-05 cs.GT cs.LO
Differentiable Modal Logic for Multi-Agent Diagnosis, Orchestration and Communication
Lawrence Berkeley National Lab(伯克利劳伦斯国家实验室);Berkeley(伯克利)
本文提出可微模态逻辑,通过神经符号方法实现多智能体系统的调试与协调,结合知识注入和多模态推理,提升智能体间的信任与因果推理能力。
2026-02-12 cs.AI cs.LO
The Ditmarsch Tale of Wonders - The Dynamics of Lying
University of Seville(塞维利亚大学)
我们提出了一个动态的说谎逻辑,其中一个“说谎,φ”(其中φ是一个公式的逻辑)是一个动作的意义上的动态模态逻辑,这是解释为一个状态Transformer相对于公式φ。被转换的状态是指向的Kripke模型,编码了代理人对他们信念的不确定性。谎言可以是关于事实命题的,也可以是关于模态公式的,比如其他代理人的信念或其他代理人谎言的信念后果。我们区分(i)一个外部观察者对系统中建模的代理人撒谎,(ii)一个代理人对另一个代理人撒谎,并且两者都在系统中建模。对于这两种情况,我们进一步区分了(iii)相信它被告知的一切(即使以不一致为代价)的代理人,(iv)只相信它被告知的与其当前信念一致的代理人,以及(v)通过不断修改其当前信念来相信它被告知的一切的代理人。逻辑有完整的公理化,这可以通过它们嵌入到所谓的动作模型逻辑或该逻辑的扩展到信念修正中来最优雅地显示。
2012-03-21 cs.AI cs.LO
Logic-based Specification and Verification of Homogeneous Dynamic Multi-agent Systems
我们开发了一个基于逻辑的框架,形式化规范和算法验证的同质和动态的并发多代理转换系统(HDMAS)。同质性意味着所有的代理在任何给定的状态下都有相同的可用动作,并且这些动作具有相同的效果,而不管是哪个代理执行它们。因此,状态转换仅由执行每个动作的主体的数量的向量确定,并且通过在Presburger算术中可定义的这些数量的条件来象征性地指定。代理分为可控(由系统管理员/控制器)和不可控,代表环境或对手。动态性意味着在整个系统演化过程中,可控和不可控主体的数量可能会发生变化,可能在每次转换时都会发生变化。作为形式化规范的语言,我们使用交替时间时态逻辑(ATL)的适当扩展版本,其中可以指定类型为“(至少)$n$可控代理可以针对(至多)$m$不可控代理确保系统的任何可能的演变满足给定目标$φ$“,其中,$φ$再次被指定为该语言的公式,并且$n$和$m$中的每一个是固定数或可以量化的变量。我们提供了形式语义我们的逻辑$\mathcal{L}_{HDMAS}$和定义范式的公式。证明了$\mathcal{L}_{HDMAS}$中的公式在有限域等价于一个规范型公式,并给出了有限HDMAS模型中范式公式的全局模型检验算法,调用Presburger公式的模型检验真值.我们建立了最坏情况下的复杂性估计的模型检验算法,并说明了它的运行示例。
2020-03-19 cs.LO cs.MA
Guiding Multi-agent Multi-task Reinforcement Learning by a Hierarchical Framework with Logical Reward Shaping
Dalian University of Technology(大连理工大学);Westlake University(西湖大学);Guangzhou University(广州大学)
针对现有多智能体分层强化学习算法仅适用于单任务的局限,提出带逻辑奖励塑形的多智能体协作算法,结合LTL表达任务逻辑与价值迭代协调机制,在类Minecraft环境中验证了其提升多任务学习性能的效果。
2024-11-02 cs.AI cs.LO
NEXP-completeness and Universal Hardness Results for Justification Logic
我们提供了一个较低的复杂性约束的多智能体的理由逻辑的可满足性问题,建立从我们以前的工作一般NEXP上限是紧的。然后,我们使用一个简单的修改相应的减少证明,满足所有多代理的理由逻辑从那里是很难的西格玛2 p类的第二层次的多项式-给定某些合理的条件。我们的方法改进了这些所需的条件,为同一个下界的单代理的理由逻辑,证明了巴斯和库兹涅茨在2009年,从而回答了他们的一个开放的问题。
2015-03-01 cs.CC cs.LO
Agent-Alternation-Free Epistemic Metric Temporal Logic with Past: Model Checking and Complexity
Université Paris-Saclay(巴黎萨克雷大学);CNRS(法国国家科学研究中心);ENS Paris-Saclay(巴黎萨克雷高等师范学校);LMF(拉格兰日数学实验室);Institut Universitaire de France(法兰西学院);Direction Générale de l’Armement(法国国防总局)
研究带过去时态的无主体交替认知度量时态逻辑的模型检查,通过结合时态测试自动机与完美回忆观察者进行分析,证明其模型检查为EXPSPACE完全,给出了该逻辑在特定条件下的复杂性结论。
2026-07-16 cs.FL cs.LO
Putting the Agents back in the Domain: A Two-Sorted Term-Modal Logic
在本文件中,语法和语义将普通的n-代理QML与常数域,非刚性常数,刚性变量,包括两个功能,关系和平等的扩展。此外,代理的数量将被指定公理,从而确保最大的灵活性wrt。代理集合的基数。域,变量和常量将被划分为代理部分和对象部分,语法将被扩展为包括其中模态运算符的索引被量化为语言的wff的字符串。这将增强关于代理人的认知状态的表达能力。这样一个术语模态版本的逻辑K被证明是健全的和完整的WRT。类(适当的)帧,和一个术语版本的S4被证明是健全的和完整的wrt。(适当的)框架类,其中的关系是传递的。应该注意的是,完备性是通过规范模型的框架来展示的,因此允许对K和S4的术语版本之外的其他逻辑进行不复杂的推广。
2018-11-05 cs.LO cs.MA math.LO
Tableau-based decision procedures for logics of strategic ability in multi-agent systems
University of the Witwatersrand(威特沃特斯兰德大学)
我们开发了一个增量的基于表的决策过程的交替时间时序逻辑ATL和它的一些变种。虽然在理论上建立的复杂性上限内运行,我们声称,我们的画面实际上是更有效的平均情况下,比其他决策程序ATL已知的。此外,其适应ATL的变体的容易性证明了所提出的程序的灵活性。
2008-09-09 cs.AI cs.LO cs.MA
A many-sorted epistemic logic for chromatic hypergraphs
提出一种多类模态逻辑以区分多智能体系统中的智能体与环境,利用着色超图提供语义,并证明其可靠性与完备性。
2023-08-01 cs.LO cs.MA math.LO
Towards Logically Sound Natural Language Reasoning with Logic-Enhanced Language Model Agents
Royal Holloway, University of London(伦敦大学皇家霍洛威学院)
针对LLMs在开放式任务中易出现逻辑错误的问题,提出逻辑增强框架LELMA,通过自动形式化将自然语言推理转化为逻辑表示以验证和优化推理,实验表明该框架有效提升了错误检测准确率与推理正确性。
2025-05-29 cs.AI cs.CL cs.GT
T-CPDL: A Temporal Causal Probabilistic Description Logic for Developing Logic-RAG Agent
University of Derby(德比大学)
本文提出时序因果概率描述逻辑T-CPDL,扩展传统描述逻辑以处理时间、因果和概率推理,实验证明其显著提升语言模型推理准确性与可解释性,并为Logic-RAG框架奠定基础。
2025-06-23 cs.AI cs.LO
Multi-Agent Systems based on Contextual Defeasible Logic considering Focus
Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial, Universidade Tecnológica Federal do Paraná(联邦巴拉那技术大学工业电气与信息工程研究生课程)
在本文中,我们扩展了以前的工作,分布式推理使用上下文可废止逻辑(CDL),它使分散的分布式推理的基础上,分布式知识库,这样的知识,从不同的知识库可能会相互冲突。然而,有许多用例场景不可能在此模型中表示。一种这样的场景是那些需要代理共享和相关知识的原因时,发出查询给其他人。另一种情况是代理之间的绑定(通过映射规则定义)不是静态的,例如在知识密集型和动态环境中。这项工作提出了一个多代理模型的基础上CDL,不仅允许代理的原因与他们的本地知识库和映射规则,但也允许代理的原因有关的知识(焦点)-这是不知道的代理先验-在一个特定的查询的上下文中。我们提出了一个用例场景,提出的模型的一些形式化,并初步实现的基础上的BDI(信念-欲望-意图)代理模型。
2020-10-01 cs.AI cs.LO
Modal Logic for Distributed Trust
Cybernetica AS(赛伯尼卡股份公司)
本文提出一种用于多智能体系统信任推理的方法,通过定义描述通信协议的语言及信任假设,利用模态逻辑建模网络中智能体的信念与通信,探讨信息共享与跨网络信任泛化机制。
2026-03-23 cs.LO cs.MA