Priced timed games are two-player zero-sum games played on priced timed automata (whose locations and transitions are labeled by weights modelling the price of spending time in a state and executing an action, respectively). The goals of the players are to minimise and maximise the price to reach a target location, respectively. We consider priced timed games with one clock and arbitrary integer weights and show that, for an important subclass of theirs (the so-called simple priced timed games), one can compute, in exponential time, the optimal values that the players can achieve, with their associated optimal strategies. As side results, we also show that one-clock priced timed games are determined and that we can use our result on simple priced timed games to solve the more general class of so-called negative-reset-acyclic priced timed games (with arbitrary integer weights and one clock). The decidability status of the full class of priced timed games with one-clock and arbitrary integer weights still remains open.


翻译:计时游戏是用有价计时自动自动式游戏玩的双玩游戏零和游戏(其位置和过渡分别以重量标注,在状态中模拟花费时间的价格并采取行动)。玩家的目标是分别将价格降到最低和最大化,以达到目标位置。我们考虑使用一个钟和任意整数重量计价的计时游戏,并表明,对于它们的一个重要小类(所谓的简单计时游戏),人们可以指数化地计算出玩家能够达到的最佳值,并采用相应的最佳策略。作为副结果,我们还显示,确定了1小时计时游戏,我们可以用简单的计时游戏的结果解决更普通的所谓负重周期定价计时游戏(任意计时和1小时),而以1小时计时和任意整数加权计时的全类计时游戏仍然处于衰变状态。

0
下载
关闭预览

相关内容

剑桥大学《数据科学: 原理与实践》课程,附PPT下载
专知会员服务
49+阅读 · 2021年1月20日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
已删除
将门创投
12+阅读 · 2019年7月1日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
资源|斯坦福课程:深度学习理论!
全球人工智能
17+阅读 · 2017年11月9日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年6月11日
Arxiv
5+阅读 · 2020年10月2日
Arxiv
3+阅读 · 2018年10月5日
VIP会员
相关VIP内容
相关资讯
已删除
将门创投
12+阅读 · 2019年7月1日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
资源|斯坦福课程:深度学习理论!
全球人工智能
17+阅读 · 2017年11月9日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员