Astrazioni Causali per Processi Decisionali di Markov
Un nuovo articolo di ricerca introduce una tecnica di astrazione causale guidata dalle proprietà per i Processi Decisionali di Markov (MDP) al fine di affrontare problemi di scalabilità causati dalla crescita esponenziale dello spazio degli stati. Il metodo utilizza relazioni causali sui predicati delle variabili di stato per identificare stati che condividono ragioni per soddisfare o violare una data proprietà. L'approccio viene confrontato teoricamente ed empiricamente attraverso diversi tipi di modelli, inclusi MDP, MDP a intervalli e giochi stocastici, mostrando potenzialità nel ridurre la complessità mantenendo le caratteristiche del modello.
Fatti principali
- I Processi Decisionali di Markov sono comunemente specificati su spazi di stati fattorizzati
- L'esplosione esponenziale del numero di stati sfida i compiti di ragionamento
- Le astrazioni riducono gli MDP per mitigare i problemi di scalabilità
- La tecnica di astrazione causale mantiene molte caratteristiche originali degli MDP
- Si basa su relazioni causali sui predicati delle variabili di stato
- Identifica stati che condividono ragioni per soddisfare o violare una proprietà
- Confrontato teoricamente ed empiricamente su MDP, MDP a intervalli e giochi stocastici
- La valutazione dimostra il potenziale dell'approccio
Entità
—