Vylepšení syntézy konečně stavových kontrolérů pro POMDP

but.committeedoc. Dr. Ing. Petr Hanáček (předseda) doc. RNDr. Milan Češka, Ph.D. (člen) Ing. Martin Hrubý, Ph.D. (člen) Mgr. Kamil Malinka, Ph.D. (člen) Ing. Matěj Grégr, Ph.D. (člen) Mgr. Ing. Pavel Očenášek, Ph.D. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky přítomných, např. ohledně významu pojmu "kontroler" a jejich rozsahu, postupu pro nacházení kontrolerů či charakteru použité optimalizační metody. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm výborně / A.cs
but.jazykangličtina (English)
but.programInformační technologie a umělá inteligencecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorČeška, Milanen
dc.contributor.authorMacák, Filipen
dc.contributor.refereeHolík, Lukášen
dc.date.accessioned2023-06-22T06:56:38Z
dc.date.available2023-06-22T06:56:38Z
dc.date.created2023cs
dc.description.abstractTáto práca sa zameriava na kombináciu dvoch moderných metód syntézy plánovačov pre Markovské procesy s čiastočným pozorovaním (POMDPs), ktoré sú významným modelom pre sekvenčné rozhodovanie s neistotou. Hlavnou úlohou je nájsť plánovač POMDP, ktorý dosahuje čo najlepšiu hodnotu. Keďže hľadanie optimálneho plánovača je nerozhodnuteľné, zameriavame sa na syntézu dobrých konečne stavových kontrolérov (FSCs). V tejto práci integrujeme dve moderné, ortogonálne metódy pre syntézu kontrolérov POMDP, a to metódu založenú na prehľadávaní belief priestoru a induktívnu metódu. Prvá metóda získava FSC z konečného fragmentu takzvaného belief MDP, čo je MDP, ktorý udržiava prehľad o pravdepodobnostiach rovnako pozorovateľných stavov POMDP. Druhá je induktívna vyhľadávacia technika pre množinu FSC s fixnou veľkosťou pamäti. Kľúčovým výsledkom tejto práce je symbiotický algoritmus, ktorý integruje obidva tieto prístupy tak, aby sa každý dokázal zlepšiť z kontrolérov vytvorených tým druhým. Experimentálne výsledky naznačujú významné zlepšenie hodnoty kontrolérov pri značnom znižovaní času syntézy a využitej pamäte.en
dc.description.abstractThis work focuses on combining two state-of-the-art controller synthesis methods for partially observable Markov decision processes (POMDPs), a prominent model in sequential decision making under uncertainty. A central issue is to find a POMDP controller that achieves a total expected reward objective. As finding optimal controllers is undecidable, we concentrate on synthesising good finite-state controllers (FSCs). We do so by tightly integrating two modern, orthogonal methods for POMDP controller synthesis: a belief-based and an inductive approach. The former method obtains an FSC from a finite fragment of the so-called belief MDP, an MDP that keeps track of the probabilities of equally observable POMDP states. The latter is an inductive search technique over a set of FSCs with a fixed memory size. The key result of this work is a symbiotic anytime algorithm that tightly integrates both approaches such that each profits from the controllers constructed by the other. Experimental results indicate a substantial improvement in the value of the controllers while significantly reducing the synthesis time and memory footprint.cs
dc.description.markAcs
dc.identifier.citationMACÁK, F. Vylepšení syntézy konečně stavových kontrolérů pro POMDP [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.cs
dc.identifier.other146891cs
dc.identifier.urihttp://hdl.handle.net/11012/210606
dc.language.isoencs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectMarkovské modelyen
dc.subjectpravdepodobnostné modelyen
dc.subjectautomatizovaná syntézaen
dc.subjectmodel checkingen
dc.subjectformálne metódyen
dc.subjectčiastočná pozorovateľnosťen
dc.subjectMarkov modelscs
dc.subjectprobabilistic modelscs
dc.subjectautomated synthesiscs
dc.subjectmodel checkingcs
dc.subjectformal methodscs
dc.subjectpartial observabilitycs
dc.titleVylepšení syntézy konečně stavových kontrolérů pro POMDPen
dc.title.alternativeImproving Synthesis of Finite State Controllers for POMDPs Using Belief Space Approximationcs
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2023-06-21cs
dcterms.modified2023-06-21-11:01:07cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid146891en
sync.item.dbtypeZPen
sync.item.insts2023.06.22 08:56:38en
sync.item.modts2023.06.22 08:13:07en
thesis.disciplineMatematické metodycs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémůcs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 2 of 2
Loading...
Thumbnail Image
Name:
final-thesis.pdf
Size:
2.39 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Loading...
Thumbnail Image
Name:
review_146891.html
Size:
11.2 KB
Format:
Hypertext Markup Language
Description:
review_146891.html
Collections