[论文解读] Characterising Memory in Infinite Games

Antonio Casares, Pierre Ohlmann|arXiv (Cornell University)|Sep 24, 2022

Advanced Topology and Set Theory被引用 1

一句话总结

本文将Ohlmann对位置性目标的刻画方法，通过良序单调通用图扩展至无限持续博弈中的有限与无限记忆边界。它引入了具有有界反链大小的良基单调通用图，以刻画ε-记忆小于m的目标，并基于通用结构提出了色内存的刻画，从而实现新的闭包性质与各类目标类别的紧致记忆界。

ABSTRACT

This paper is concerned with games of infinite duration played over potentially infinite graphs. Recently, Ohlmann (LICS 2022) presented a characterisation of objectives admitting optimal positional strategies, by means of universal graphs: an objective is positional if and only if it admits well-ordered monotone universal graphs. We extend Ohlmann's characterisation to encompass (finite or infinite) memory upper bounds. We prove that objectives admitting optimal strategies with $\varepsilon$-memory less than $m$ (a memory that cannot be updated when reading an $\varepsilon$-edge) are exactly those which admit well-founded monotone universal graphs whose antichains have size bounded by $m$. We also give a characterisation of chromatic memory by means of appropriate universal structures. Our results apply to finite as well as infinite memory bounds (for instance, to objectives with finite but unbounded memory, or with countable memory strategies). We illustrate the applicability of our framework by carrying out a few case studies, we provide examples witnessing limitations of our approach, and we discuss general closure properties which follow from our results.

研究动机与目标

• 将Ohlmann对位置性目标的刻画扩展至需要有限或无限记忆的目标。
• 利用通用图对无限博弈中的记忆需求提供结构性刻画。
• 建立记忆界与通用图组合性质（如反链大小与良基性）之间的联系。
• 通过通用图构造推导特定目标类别的紧致记忆界。
• 利用通用图框架探索记忆有界目标的闭包性质，包括交集与并集。

提出的方法

• 引入反链大小有界的良基单调通用图，以刻画ε-记忆小于m的目标。
• 利用边关系中的单调性（v ≥ u c→ u′ ≥ v′ ⇒ v c→ v′）确保与记忆约束的兼容性。
• 应用前缀无关性与同态嵌入，构建捕捉获胜策略结构的通用图。
• 利用特定序类型（如良基、wqo）的通用图存在性，刻画记忆复杂度。
• 将该框架应用于推导闭包结果，例如在交集中具有有限ε-自由记忆，以及前缀无关Σ₀²目标在可数并集下的闭包性。
• 利用引理3.8，通过着色与路径分解实现前缀无关目标的通用图构造。

实验结果

研究问题

• RQ1 哪些目标可实现ε-记忆小于m的最优策略，其结构性刻画为何？
• RQ2 如何利用适当的通用结构刻画色内存？
• RQ3 具有有限ε-记忆的目标在交集中是否封闭，此类组合的记忆界为何？
• RQ4 具有有限或无界有限ε-自由记忆的目标具有哪些闭包性质？
• RQ5 通用图框架能否用于判定ω-正则或拓扑定义目标的记忆需求？

主要发现

• 当且仅当目标允许一个反链大小至多为m的良基单调通用图时，其可实现ε-记忆小于m的最优策略。
• 具有有限ε-记忆的目标类在有限交集中封闭，且此类目标具有局部有限的ε-自由记忆。
• 具有有限ε-记忆的前缀无关Σ₀²目标在可数并集中封闭。
• 该框架通过通用图构造恢复了拓扑闭目标与Muller目标的已知紧致记忆界。
• 存在通用单调良拟序（wqo）刻画了在交集中封闭的目标，但更广泛的无界有限ε-自由记忆类仍为开放问题。
• 本文提出了一种刻画无限博弈中记忆复杂度的新方法，为ω-正则目标记忆需求的可判定性提供了潜在途径。