Synthesis of Minimal Schedulers for Markov Decision Processes – Mgr. Miroslav Klimoš
Mgr. Miroslav Klimoš
Bachelor's thesis
Synthesis of Minimal Schedulers for Markov Decision Processes
Synthesis of Minimal Schedulers for Markov Decision Processes
Anotácia:
Markovské rozhodovací procesy jsou matematický aparát pro modelování rozhodování v systémech s náhodným chováním, v nichž řídící jednotka, také označovaná jako plánovač, ovlivňuje chování systému skrze svá rozhodnutí. Markovské rozhodovací procesy se spojitým časem zavádí do systému časové zpoždění při přechodech. Při zkoumání časově omezené dosažitelnosti hledáme plánovač, který maximalizuje pravděpodobnost …viacAbstract:
Markov decision processes provide us with a mathematical framework for modeling decision-making in randomized systems, where a scheduler controls the behavior of the system through the decisions. Continuous-time Markov decision processes introduce exponentially distributed time delays on the transitions to the model. Time-bounded reachability objective asks for a scheduler maximizing the probability …viac
Jazyk práce: English
Datum vytvoření / odevzdání či podání práce: 21. 5. 2012
Identifikátor:
https://is.muni.cz/th/isl54/
Obhajoba závěrečné práce
- Obhajoba proběhla 21. 6. 2012
- Vedúci: doc. RNDr. Tomáš Brázdil, Ph.D.
- Oponent: RNDr. Vojtěch Forejt, Ph.D.
Citační záznam
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Masarykova univerzita, Fakulta informatikyMasaryk University
Faculty of InformaticsBachelor programme / odbor:
Informatics / Mathematical Informatics
Práce na příbuzné téma
-
Parameter Synthesis in Continuous-Time Stochastic Systems
Ľuboš Korenčiak -
Efficient Verification of Multi-Objective Queries in Markov Decision Processes
Vít Unčovský -
Markov Decision Processes with Multiple Resource Constraints
Jaroslav Pospíšek -
Pareto Front Estimation in Risk-Constrained Markov Decision Processes
Martin Kurečka -
Synthesizing Resource-Shielded Policies for Partially Observable Markov Decision Processes
Šimon Brlej -
Reinforcement Learning of Risk-Averse Policies in Markov Decision Processes
Jiří Vahala -
Monte Carlo Tree Search in Verification of Markov Decision Processes
Ondřej Slámečka -
Unified View on Multiple Mean-Payoff Objectives in Markov Decision Processes
Zuzana Komárková