D 2017

Mean-Payoff Optimization in Continuous-Time Markov Chains with Parametric Alarms

BAIER, Christel, Clemens DUBSLAFF, Ľuboš KORENČIAK, Antonín KUČERA, Vojtěch ŘEHÁK et. al.

Základní údaje

Originální název

Mean-Payoff Optimization in Continuous-Time Markov Chains with Parametric Alarms

Autoři

BAIER, Christel (276 Německo), Clemens DUBSLAFF (276 Německo), Ľuboš KORENČIAK (703 Slovensko, garant, domácí), Antonín KUČERA (203 Česká republika, domácí) a Vojtěch ŘEHÁK (203 Česká republika, domácí)

Vydání

Cham, Quantitative Evaluation of Systems, od s. 190-206, 17 s. 2017

Nakladatel

Springer

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Švýcarsko

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

tištěná verze "print"

Impakt faktor

Impact factor: 0.402 v roce 2005

Kód RIV

RIV/00216224:14330/17:00095081

Organizační jednotka

Fakulta informatiky

ISBN

978-3-319-66334-0

ISSN

UT WoS

000696692800012

Klíčová slova anglicky

parameter synthesis; continuous-time Markov chains; non-Markovian distributions; Markov decision process; policy iteration; generalized semi-Markov process; Markov regenerative process

Příznaky

Mezinárodní význam, Recenzováno
Změněno: 27. 4. 2018 09:56, RNDr. Pavel Šmerk, Ph.D.

Anotace

V originále

Continuous-time Markov chains with alarms (ACTMCs) allow for alarm events that can be non-exponentially distributed. Within parametric ACTMCs, the parameters of alarm-event distributions are not given explicitly and can be subject of parameter synthesis. An algorithm solving the epsilon-optimal parameter synthesis problem for parametric ACTMCs with long-run average optimization objectives is presented. Our approach is based on reduction of the problem to finding long-run average optimal strategies in semi-Markov decision processes (semi-MDPs) and sufficient discretization of parameter (i.e., action) space. Since the set of actions in the discretized semi-MDP can be very large, a straightforward approach based on explicit action-space construction fails to solve even simple instances of the problem. The presented algorithm uses an enhanced policy iteration on symbolic representations of the action space. The soundness of the algorithm is established for parametric ACTMCs with alarm-event distributions satisfying four mild assumptions that are shown to hold for uniform, Dirac, exponential, and Weibull distributions in particular, but are satisfied for many other distributions as well. An experimental implementation shows that the symbolic technique substantially improves the efficiency of the synthesis algorithm and allows to solve instances of realistic size.

Návaznosti

GA15-17564S, projekt VaV
Název: Teorie her jako prostředek pro formální analýzu a verifikaci počítačových systémů
Investor: Grantová agentura ČR, Teorie her jako prostředek pro formální analýzu a verifikaci počítačových systémů
MUNI/A/0992/2016, 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