Conditional Value-at-Risk for Reachability and Mean Payoff in Markov Decision Processes

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F18%3A00108288" target="_blank" >RIV/00216224:14330/18:00108288 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1145/3209108.3209176" target="_blank" >http://dx.doi.org/10.1145/3209108.3209176</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1145/3209108.3209176" target="_blank" >10.1145/3209108.3209176</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Conditional Value-at-Risk for Reachability and Mean Payoff in Markov Decision Processes

Popis výsledku v původním jazyce

We present the conditional value-at-risk (CVaR) in the context of Markov chains and Markov decision processes with reachability and mean-payoff objectives. CVaR quantifies risk by means of the expectation of the worst p-quantile. As such it can be used to design risk-averse systems. We consider not only CVaR constraints, but also introduce their conjunction with expectation constraints and quantile constraints (value-at-risk, VaR). We derive lower and upper bounds on the computational complexity of the respective decision problems and characterize the structure of the strategies in terms of memory and randomization.

Název v anglickém jazyce

Conditional Value-at-Risk for Reachability and Mean Payoff in Markov Decision Processes

Popis výsledku anglicky

We present the conditional value-at-risk (CVaR) in the context of Markov chains and Markov decision processes with reachability and mean-payoff objectives. CVaR quantifies risk by means of the expectation of the worst p-quantile. As such it can be used to design risk-averse systems. We consider not only CVaR constraints, but also introduce their conjunction with expectation constraints and quantile constraints (value-at-risk, VaR). We derive lower and upper bounds on the computational complexity of the respective decision problems and characterize the structure of the strategies in terms of memory and randomization.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GA18-11193S" target="_blank" >GA18-11193S: Algoritmy pro diskrétní systémy a hry s nekonečně mnoha stavy</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2018

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 33rd Annual ACM/IEEE Symposium on Logic in Computer Science (LICS '18)

ISBN

9781450355834

ISSN

1043-6871

e-ISSN

—

Počet stran výsledku

10

Strana od-do

609-618

Název nakladatele

ACM

Místo vydání

New York, NY, USA

Místo konání akce

New York, NY, USA

Datum konání akce

1. 1. 2018

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—