2018
Value Iteration for Simple Stochastic Games: Stopping Criterion and Learning Algorithm
KELMENDI, Edon, Julia KRÄMER, Jan KŘETÍNSKÝ a Maximilian WEININGERZákladní údaje
Originální název
Value Iteration for Simple Stochastic Games: Stopping Criterion and Learning Algorithm
Autoři
KELMENDI, Edon (8 Albánie), Julia KRÄMER (276 Německo), Jan KŘETÍNSKÝ (203 Česká republika, garant, domácí) a Maximilian WEININGER (276 Německo)
Vydání
Cham, Computer Aided Verification (CAV 2018), od s. 623-642, 20 s. 2018
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/00216224:14330/18:00108290
Organizační jednotka
Fakulta informatiky
ISBN
978-3-319-96144-6
ISSN
UT WoS
000491481600036
Klíčová slova anglicky
Value Iteration; Simple Stochastic Games; Stopping Criterion; Learning
Změněno: 27. 4. 2020 23:49, RNDr. Pavel Šmerk, Ph.D.
Anotace
V originále
Simple stochastic games can be solved by value iteration (VI), which yields a sequence of under-approximations of the value of the game. This sequence is guaranteed to converge to the value only in the limit. Since no stopping criterion is known, this technique does not provide any guarantees on its results. We provide the first stopping criterion for VI on simple stochastic games. It is achieved by additionally computing a convergent sequence of over-approximations of the value, relying on an analysis of the game graph. Consequently, VI becomes an anytime algorithm returning the approximation of the value and the current error bound. As another consequence, we can provide a simulation-based asynchronous VI algorithm, which yields the same guarantees, but without necessarily exploring the whole game graph.
Návaznosti
GA18-11193S, projekt VaV |
|