• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Annual IEEE International Systems Conference >Automated Markov-chain based analysis for large state spaces
【24h】

Automated Markov-chain based analysis for large state spaces

机译：基于自动化马尔可夫链的大型状态空间分析

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Modeling the dynamic, time-varying behavior of systems and processes is a common design and analysis task in the systems engineering community. A popular method for performing such analysis is the use of Markov chains. Additionally, automated methods may be used to automatically determine new system state values for a system under observation or test. Unfortunately, the state-transition space of a Markov chain grows exponentially in the number of states resulting in limitations in the use of Markov chains for dynamic analysis. We present results in the use of an efficient data structure, the algebraic decision diagram (ADD), for representation of Markov chains and an accompanying prototype analysis tool. Experimental results are provided that indicate the ADD is a viable structure to enable the automated modeling of Markov chains consisting of hundreds of thousands of states due to their ability to provide computation related efficiencies. This result allows automated Markov chain analysis of extremely large state spaces to be a viable technique for system and process modeling and analysis. Experimental results from a prototype implementation of an ADD-based analysis tool are provided to substantiate our conclusions.
机译：对系统和流程的动态，时变行为进行建模是系统工程界中常见的设计和分析任务。进行这种分析的一种流行方法是使用马尔可夫链。另外，可以使用自动化方法来自动确定正在观察或测试的系统的新系统状态值。不幸的是，马尔可夫链的状态转换空间随着状态数量的增长而呈指数增长，从而导致马尔可夫链用于动态分析的使用受到限制。我们目前的结果是使用有效的数据结构，代数决策图（ADD）来表示马尔可夫链和随附的原型分析工具。提供的实验结果表明，ADD是一种可行的结构，能够对包含数十万个状态的马尔可夫链进行自动建模，这是因为它们具有提供与计算相关的效率的能力。此结果使对极大状态空间的自动马尔可夫链分析成为用于系统和过程建模与分析的可行技术。提供了基于ADD的分析工具的原型实现的实验结果，以证实我们的结论。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号