【源码】基于Maude和深度强化学习的智能体验证系统

项目简介

本项目结合深度强化学习（DRL）和Maude形式化验证工具，旨在训练智能体在复杂环境中进行决策，并通过Maude对智能体的决策模型进行形式化验证，保证决策的正确性和可靠性。

项目的主要特性和功能

1. 智能体训练：运用深度强化学习（DRL）方法（如DQN）训练智能体，使其在特定环境中学习并优化决策策略。
2. 模型生成：将训练好的智能体策略转换为Maude建模代码，方便后续形式化验证。
3. 形式化验证：利用Maude工具对生成的Maude代码进行验证，确保智能体在特定环境中的决策符合预期。
4. 结果分析：通过脚本分析Maude验证的结果，并进行可视化展示，助力理解验证过程和结果。

安装使用步骤

环境准备

1. 操作系统：建议使用Linux系统。
2. Python：确保安装Python 3.8或更高版本。
3. Maude：在本地安装Maude工具，并确保能运行Maude脚本。

安装依赖

bash pip install -r requirements.txt

项目运行步骤

1. 训练智能体：
   • 用DRL方法训练智能体，将策略保存在map文件夹下的对应地图文件夹中，如map/8x8/0/1/actions.txt。
   • 运行train.py脚本进行训练。
2. 生成Maude代码：
   • 选中某个训练得到的智能体数据路径，运行generate_maude.py，例如map/4x4/0.3/6。
   • 生成的Maude代码将保存在maude_files/4x4目录下。
3. 运行Maude验证：
   • 运行eval.sh脚本，提供生成的Maude代码路径、model-checker.maude文件路径以及Maude程序的路径。
   • 示例： bash ./eval.sh maude_files/4x4/1.maude /path/to/model-checker.maude /path/to/maude
   • 验证结果将保存在out.txt文件中，并在终端展示可视化结果。
4. 结果分析：
   • 运行analyse.py脚本分析Maude验证的结果，并生成可视化效果。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】