顺序决策的马尔可夫决策过程在许多现实应用中起着基础作用。尽管基于模型和无模型的方法在这些设置中取得了显著成果，但现实任务必须在奖励最大化与安全约束之间取得平衡，这往往导致目标冲突，从而引发不稳定的最小/最大对抗优化。安全可达性分析作为一种有前景的替代方案，通过预计算一个前向不变的安全状态和动作集，确保从该集内开始的智能体能够无限期保持安全。然而，大多数基于可达性的方法仅关注硬安全约束，针对累积成本...