利用动态认知逻辑（DEL）的多代理规划在处理非确定性、部分可观察性和任意知识嵌套方面具有广泛应用的行动形式主义中，我们通过一种新颖的语义方法达到可决定性的目标。我们展示了该框架具有可决定的特性，并研究了其他扩展的交换公理以实现更复杂的 DEL 的决定性。

Jul, 2023

本研究使用合法及完整的插入表技术，证明 DEL 语言中事件模型的模型检查问题是 PSPACE 完全的，并证明了满足性问题是 NEXPTIME-complete 的。

Oct, 2013

本文提出了一种基于动态认知逻辑 (DEL) 的新型算法，该算法限制了规划代理的推理深度为一个上界 b，以模态深度 b 为最多的高阶知识进行推理。算法利用了一种新型的 b-bisimulation 收缩确保了最小模型的唯一性。我们证明了深度有界规划算法是正确的。此外，我们证明了在推理深度的限制 b 内具有解决方案的规划任务的完备性（因此按照标准定义的迭代界限增加变体是完备的）。在推理深度的限制 b 下，该算法被证明是 (b + 1)-EXPTIME 完全，同时在代理和原子的数量上是固定参数可处理的。我们提供了算法的树搜索和图搜索变体，并将树搜索版本的实现与基准认知规划器进行了基准测试。

Jun, 2024

DBEL 是 S5 的扩展，用来模拟深度有限的代理人进行关于知识公式的推理，同时添加了深度原子 Ead 和 Pad，扩展了公开声明逻辑的公理，解决了遗忘和知识泄漏等问题，并用这些逻辑来解决经典的泥泞孩子问题。

Jul, 2023

提出了一种多代理认知规划的表示语言，解决了现有编译成经典计划所面临的各种限制，包括只能生成线性计划、限制公共行动和无法处理分离信念等问题。

Jun, 2018

本文介绍了一种基于声明式编程技术的多智能体认知情境下的推理问题的解决方案，即 PLATO（基于 ePistemic 多智能体 Answer Program 解决方案），利用自定义认知状态表征和 ASP 求解器的效率，在从文献中收集的基准测试中取得了有竞争力的性能结果，并为其正确性开发了形式验证。

Aug, 2020

本文通过基于 DL 本体的规划来解决开放世界状态约束，并提出了一种新的编译方案，即基于 DL 查询重写为具有分层否定的 Datalog 的标准 PDDL，以应对更具表现力的 DL，同时还证明了我们的方法可以优于以前的 DL 本体规划工作。

Mar, 2022

本文提出了一种用于对不完全知识建模决策的新语言，它结合了分层、自知逻辑和定义三个原则，其中知识库是一个认识论理论的层级结构，每个组成部分理论都可以对较低理论中的知识进行认识论推理，并使用具有认识条件的定义来进行决策。

Dec, 2023

本文探讨了基于对称‘友谊’关系的网络中，关于知识和社会关系变化模式的二维模态逻辑和通信问题。

Oct, 2013

这篇论文介绍了一种名为 Defeasible Logic Programming（DeLP）的形式化方法，它将 Logic Programming 和 Defeasible Argumentation 的结果结合起来，提供了一种在动态领域中处理不完整和矛盾信息的代理人知识表示和基于论证的推理机制。

Feb, 2003