[论文解读] Reasoning about Knowledge and Strategies: Epistemic Strategy Logic

Francesco Belardinelli|arXiv (Cornell University)|Apr 3, 2014

Logic, Reasoning, and Knowledge参考文献 18被引用 14

一句话总结

本文提出了认识策略逻辑（Epistemic Strategy Logic, ESL），作为策略逻辑的扩展，引入了个体知识的模态算子，使能够显式推理代理对其自身及他人策略的知识。该框架采用认识并发博弈模型（Epistemic Concurrent Game Models, ECGMs）作为语义基础，且 ESL 的模型检测问题被证明为非元素复杂度，但其复杂度不高于非认识策略逻辑，因此在模型规模上保持了可处理性。

ABSTRACT

In this paper we introduce Epistemic Strategy Logic (ESL), an extension of Strategy Logic with modal operators for individual knowledge. This enhanced framework allows us to represent explicitly and to reason about the knowledge agents have of their own and other agents' strategies. We provide a semantics to ESL in terms of epistemic concurrent game models, and consider the corresponding model checking problem. We show that the complexity of model checking ESL is not worse than (non-epistemic) Strategy Logic

研究动机与目标

• 正式化多 agent 系统中关于战略能力与个体知识的推理。
• 扩展策略逻辑，引入认识模态以表示代理对策略的知识。
• 通过认识并发博弈模型（ECGMs）定义扩展逻辑的语义。
• 分析新逻辑的模型检测问题的复杂度。
• 证明 ESL 的模型检测复杂度不劣于非认识策略逻辑。

提出的方法

• 将认识并发博弈模型（ECGMs）定义为在并发博弈结构基础上扩展了代理特定的局部状态、动作、协议及认识关系的结构。
• 引入策略逻辑的句法扩展，加入表示个体对策略知识的模态算子 K_i。
• 为 ESL 公式在 ECGMs 上提供 Kripke 风格的语义，定义在状态与策略变量赋值下的满足关系。
• 将一阶命题时态逻辑（QPTL）的可满足性问题归约至 ESL 模型检测，以建立下界。
• 构建交替树自动机（ATA）以编码模型检测问题，利用先前在策略逻辑模型检测中使用的技术。
• 使用非确定性交替树自动机将模型检测问题归约为非空性问题，从而建立复杂度界限。

实验结果

研究问题

• RQ1 如何在战略情境中正式表示并推理代理对其自身及他人策略的知识？
• RQ2 一种结合战略推理与认识推理的逻辑的语义基础是什么？
• RQ3 与非认识策略逻辑相比，引入认识算子如何影响模型检测的复杂度？
• RQ4 ESL 的模型检测过程能否归约为已知复杂度的自动机理论问题？
• RQ5 对于具有不同战略与认识交替深度的 ESL 公式，其模型检测的复杂度界限是什么？

主要发现

• 对于最大交替深度为 k 的公式，ESL 的模型检测问题是 k-EXPSPACE 难的，与非认识策略逻辑的下界一致。
• ESL 的模型检测问题在公式大小上为非元素时间复杂度，而在模型大小上为 PTIME，因此复杂度与非认识策略逻辑相当。
• ESL 模型检测的复杂度不劣于非认识策略逻辑，通过归约为交替树自动机及其非空性检查得以证明。
• ESL 的模型检测过程扩展了非认识策略逻辑中使用的交替树自动机技术，保持了相同的复杂度特征。
• ESL 的嵌套目标片段继承了策略逻辑的复杂度界限，其复杂度为 (k+1)-EXPTIME 完全，其中 k 为最大交替深度。
• 该框架支持对策略的 de re 与 de dicto 知识进行推理，扩展了相关逻辑（如 ATEL）的见解。