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
Štítky
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 |
| ||
MUNI/A/0855/2013, interní kód MU |
|