Optimized Test Scenario Identification Method based on Refined Warshall's Dynamic Programming for Validating Reinforcement Learning Model

doi:10.3837/tiis.2026.04.030

Optimized Test Scenario Identification Method based on Refined Warshall's Dynamic Programming for Validating Reinforcement Learning Model

2026-04-30

0

PRE

AI

DOI：10.3837/tiis.2026.04.030

原文链接

原文求助

摘要

En 中文

近年来，强化学习（RL）在序贯决策任务中取得了显著性能；然而，由于状态-动作组合数量的指数级增长，验证基于RL的软件仍是一个重大挑战。我们提出了一种用于形式化验证机制的优化测试场景识别方法，该方法整合了改进的Warshall动态规划算法和路径优化，以确保对RL系统进行高效的测试覆盖。该方法从RL模型构建有向抽象图，应用传递闭包分析检查状态间的可达性，并在测试前识别缺失的状态/转换。我们的目标是利用测试场景优化生成一个最小但充分的测试用例集，从而以最小冗余实现最大覆盖。该方法降低了验证复杂度，同时保持了数学严谨性，非常适合自动驾驶等安全关键应用。所提出的机制提供了一种可扩展、可解释的验证过程，为RL软件在真实系统中的可靠部署奠定了基础。

Keyword:

Reinforcement Learning

Test Scenario Optimization

AI Software Validation

Optimized Test Scenario Identification Method based on Refined Warshall's Dynamic Programming for Validating Reinforcement Learning Model

摘要

期刊

机构

引用论文