使用深度强化学习的信息物理系统伪证生成
软件工程
2018-07-19 v1 机器学习
摘要
随着软件和分布式计算的快速发展，信息物理系统（CPS）被广泛应用于许多领域，如智能电网、自动驾驶汽车。由于软件和物理系统的复杂性，很难在 CPS 模型中检测缺陷。为了高效发现 CPS 模型中的缺陷，引入了鲁棒性引导的 CPS 伪证生成方法。现有方法使用若干优化技术生成反例，从而伪证给定 CPS 的性质。然而这些方法可能需要大量仿真运行才能找到反例，远不实用。本工作中，我们探索最先进的深度强化学习（DRL）技术，以减少找到此类反例所需的仿真运行次数。我们报告了我们的方法及初步评估结果。
引用
@article{arxiv.1805.00200,
title = {Falsification of Cyber-Physical Systems Using Deep Reinforcement Learning},
author = {Takumi Akazaki and Shuang Liu and Yoriyuki Yamagata and Yihai Duan and Jianye Hao},
journal= {arXiv preprint arXiv:1805.00200},
year = {2018}
}
备注
9 pages, 1 figure, to be presented at FM2018