D 2014

Verification of Markov Decision Processes using Learning Algorithms

BRÁZDIL, Tomáš, Krishnendu CHATTERJEE, Martin CHMELÍK, Vojtěch FOREJT, Jan KŘETÍNSKÝ et. al.

Základní údaje

Originální název

Verification of Markov Decision Processes using Learning Algorithms

Autoři

BRÁZDIL, Tomáš (203 Česká republika, domácí), Krishnendu CHATTERJEE (356 Indie), Martin CHMELÍK (203 Česká republika), Vojtěch FOREJT (203 Česká republika), Jan KŘETÍNSKÝ (203 Česká republika, garant, domácí), Marta KWIATKOWSKA (616 Polsko), David PARKER (826 Velká Británie a Severní Irsko) a Mateusz UJMA (616 Polsko)

Vydání

Heidelberg Dordrecht London New York, Automated Technology for Verification and Analysis - 12th International Symposium, ATVA 2014, od s. 98-114, 17 s. 2014

Nakladatel

Springer

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Německo

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

tištěná verze "print"

Impakt faktor

Impact factor: 0.402 v roce 2005

Kód RIV

RIV/00216224:14330/14:00075875

Organizační jednotka

Fakulta informatiky

ISBN

978-3-319-11935-9

ISSN

Klíčová slova anglicky

stochastic systems; verification; machine learning; statistical model checking; reinforcement learning

Příznaky

Mezinárodní význam, Recenzováno
Změněno: 27. 4. 2015 05:45, RNDr. Pavel Šmerk, Ph.D.

Anotace

V originále

We present a general framework for applying machine-learning algorithms to the verification of Markov decision processes (MDPs). The primary goal of these techniques is to improve performance by avoiding an exhaustive exploration of the state space. Our framework focuses on probabilistic reachability, which is a core property for verification, and is illustrated through two distinct instantiations. The first assumes that full knowledge of the MDP is available, and performs a heuristic-driven partial exploration of the model, yielding precise lower and upper bounds on the required probability. The second tackles the case where we may only sample the MDP, and yields probabilistic guarantees, again in terms of both the lower and upper bounds, which provides efficient stopping criteria for the approximation. The latter is the first extension of statistical model checking for unbounded properties in MDPs. In contrast with other related approaches, we do not restrict our attention to time-bounded (finite-horizon) or discounted properties, nor assume any particular properties of the MDP. We also show how our techniques extend to LTL objectives. We present experimental results showing the performance of our framework on several examples.

Návaznosti

MUNI/A/0765/2013, interní kód MU
Název: Zapojení studentů Fakulty informatiky do mezinárodní vědecké komunity (Akronym: SKOMU)
Investor: Masarykova univerzita, Zapojení studentů Fakulty informatiky do mezinárodní vědecké komunity, DO R. 2020_Kategorie A - Specifický výzkum - Studentské výzkumné projekty
MUNI/A/0855/2013, interní kód MU
Název: Rozsáhlé výpočetní systémy: modely, aplikace a verifikace III. (Akronym: FI MAV III.)
Investor: Masarykova univerzita, Rozsáhlé výpočetní systémy: modely, aplikace a verifikace III., DO R. 2020_Kategorie A - Specifický výzkum - Studentské výzkumné projekty