2019
On the Complexity of Value Iteration
BALAJI, Nikhil, Stefan KIEFER, Petr NOVOTNÝ, Guillermo A. PÉREZ, Mahsa SHIRMOHAMMADI et. al.Základní údaje
Originální název
On the Complexity of Value Iteration
Autoři
BALAJI, Nikhil (356 Indie), Stefan KIEFER (276 Německo), Petr NOVOTNÝ (203 Česká republika, garant, domácí), Guillermo A. PÉREZ (340 Honduras) a Mahsa SHIRMOHAMMADI (364 Írán)
Vydání
Dagstuhl, Germany, Proceedings of the 46th International Colloquium on Automata, Languages, and Programming (ICALP 2019), od s. "102:1"-"102:15", 15 s. 2019
Nakladatel
Schloss Dagstuhl - Leibniz-Zentrum fuer Informatik
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
10200 1.2 Computer and information sciences
Stát vydavatele
Německo
Utajení
není předmětem státního či obchodního tajemství
Forma vydání
elektronická verze "online"
Kód RIV
RIV/00216224:14330/19:00107669
Organizační jednotka
Fakulta informatiky
ISBN
978-3-95977-109-2
ISSN
Klíčová slova anglicky
Markov decision processes; probabilistic verification; value iteration
Štítky
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 17. 4. 2020 12:16, doc. RNDr. Petr Novotný, Ph.D.
Anotace
V originále
Value iteration is a fundamental algorithm for solving Markov Decision Processes (MDPs). It computes the maximal n-step payoff by iterating n times a recurrence equation which is naturally associated to the MDP. At the same time, value iteration provides a policy for the MDP that is optimal on a given finite horizon n. In this paper, we settle the computational complexity of value iteration. We show that, given a horizon n in binary and an MDP, computing an optimal policy is EXPTIME-complete, thus resolving an open problem that goes back to the seminal 1987 paper on the complexity of MDPs by Papadimitriou and Tsitsiklis. To obtain this main result, we develop several stepping stones that yield results of an independent interest. For instance, we show that it is EXPTIME-complete to compute the n-fold iteration (with n in binary) of a function given by a straight-line program over the integers with max and + as operators. We also provide new complexity results for the bounded halting problem in linear-update counter machines.
Návaznosti
GA19-15134Y, interní kód MU |
| ||
GJ19-15134Y, projekt VaV |
|