2018
Monte Carlo Tree Search for Verifying Reachability in Markov Decision Processes
ASHOK, Pranav, Tomáš BRÁZDIL, Jan KŘETÍNSKÝ a Ondřej SLÁMEČKAZákladní údaje
Originální název
Monte Carlo Tree Search for Verifying Reachability in Markov Decision Processes
Autoři
ASHOK, Pranav (356 Indie), Tomáš BRÁZDIL (203 Česká republika, domácí), Jan KŘETÍNSKÝ (203 Česká republika, garant, domácí) a Ondřej SLÁMEČKA (203 Česká republika, domácí)
Vydání
Cham, Leveraging Applications of Formal Methods, Verification and Validation (ISoLA 2018), od s. 322-335, 14 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/00216224:14330/18:00108292
Organizační jednotka
Fakulta informatiky
ISBN
978-3-030-03420-7
ISSN
Klíčová slova anglicky
Monte Carlo Tree Search; Reachability; Markov Decision Processes
Změněno: 28. 4. 2020 07:54, RNDr. Pavel Šmerk, Ph.D.
Anotace
V originále
The maximum reachability probabilities in a Markov decision process can be computed using value iteration (VI). Recently, simulation-based heuristic extensions of VI have been introduced, such as bounded real-time dynamic programming (BRTDP), which often manage to avoid explicit analysis of the whole state space while preserving guarantees on the computed result. In this paper, we introduce a new class of such heuristics, based on Monte Carlo tree search (MCTS), a technique celebrated in various machine-learning settings. We provide a spectrum of algorithms ranging from MCTS to BRTDP. We evaluate these techniques and show that for larger examples, where VI is no more applicable, our techniques are more broadly applicable than BRTDP with only a minor additional overhead.
Návaznosti
GA18-11193S, projekt VaV |
|