IA175 Algorithms for Quantitative Verification

Fakulta informatiky
podzim 2023
Rozsah
2/1/1. 4 kr. (plus ukončení). Ukončení: zk.
Vyučující
prof. Dr. rer. nat. RNDr. Mgr. Bc. Jan Křetínský, Ph.D. (přednášející)
Garance
prof. Dr. rer. nat. RNDr. Mgr. Bc. Jan Křetínský, Ph.D.
Katedra teorie programování – Fakulta informatiky
Dodavatelské pracoviště: Katedra teorie programování – Fakulta informatiky
Rozvrh
Po 10:00–11:50 C525
  • Rozvrh seminárních/paralelních skupin:
IA175/01: St 16:00–17:50 B411, J. Křetínský
Předpoklady
IB005
acquaintance with basic probability theory
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 45 mateřských oborů, zobrazit
Cíle předmětu
The course introduces
(1) several fundamental mathematical structures for modelling dynamic systems, where quantities such as probability, time, or cost are essential, and
(2) algorithms for their analysis, in particular their verification with respect to typical types of correctness requirements.
Besides, the course offers also a more practical experience with modelling and analysis tools.
Výstupy z učení
The student can:
- model systems and their properties in appropriate mathematical formalisms
- can analyze the systems with respect to the properties using the discussed algorithms
- can choose appropriate algorithms for the analysis
- can design modifications of these algorithms and can rigorously argue about their correctness, complexity, and (dis)advantages
Osnova
  • Motivation: verification, temporal logics, quantitative systems
  • Timed automata: modelling, semantics; reachability, region construction; zones, timed CTL
  • Markov chains: reachability, rewards, probabilistic LTL and CTL
  • Markov decision processes: modelling, semantics; reachability (linear programming, value iteration, strategy iteration; interval iteration, bounded real-time dynamic programming), rewards, probabilistic LTL and CTL; reinforcement learning and approximate dynamic programming; multi-objective optimization
  • Stochastic games: reachability (quadratic programing, value iteration, strategy iteration)
  • Systems with continuous time and space
Literatura
    doporučená literatura
  • BAIER, Christel a Joost-Pieter KATOEN. Principles of model checking. Cambridge, Mass.: MIT Press, 2008, xvii, 975. ISBN 9780262026499. info
    neurčeno
  • MEYN, S. P. a R. L. TWEEDIE. Markov chains and stochastic stability. 2nd ed. Cambridge: Cambridge University Press, 2009, xxviii, 59. ISBN 9780521731829. info
  • Algorithmic game theory. Edited by Noam Nisan. Cambridge: Cambridge University Press, 2007, xxi, 754. ISBN 9780521872829. info
  • PUTERMAN, Martin L. Markov decision processes : discrete stochastic dynamic programming. Hoboken, N.J.: Wiley-Interscience, 2005, xvii, 649. ISBN 0471727822. info
  • FILAR, Jerzy A. a Koos VRIEZE. Competitive Markov decision processes : with 57 illustrations. New York: Springer, 1997, xii, 393. ISBN 0387948058. info
  • NORRIS, J. R. Markov chains. 1st pub. Cambridge: Cambridge University Press, 1997, xvi, 237. ISBN 9780521481816. info
  • PUTERMAN, Martin L. Markov decision processes : discrete stochastic dynamic programming. New York: Wiley, 1994, xvii, 649. ISBN 0471619779. info
Výukové metody
lectures, excercises, projects, homework, flipped classrooms
Metody hodnocení
exam + homework/project
Vyučovací jazyk
Angličtina
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
  • Statistika zápisu (nejnovější)
  • Permalink: https://is.muni.cz/predmet/fi/podzim2023/IA175