Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://ir.stu.cn.ua/123456789/28990
Назва: | Еволюція агентів навчання з підкріпленням за допомогою генетичного алгоритму |
Інші назви: | Evolution of reinforcement learning agents using the genetic algorithm |
Автори: | Волокита, А. Герега, Б. |
Ключові слова: | навчання з підкріпленням генетичний алгоритм агент безградієнтний підхід нейронна мережа CartPole policy gradients reinforcement learning genetic algorithm agent gradient-free approach neural network CartPole policy gradients |
Дата публікації: | 2023 |
Видавництво: | Чернігів : НУ "Чернігівська політехніка" |
Серія/номер: | Технічні науки та технології;№ 2 (32) |
Короткий огляд (реферат): | Це дослідження вивчає використання генетичних алгоритмів для покращення продуктивності агентів, що навчаються за допомогою підкріплення. Ми провели випробування, використовуючи різні параметри нейронної мережі, зокрема ваги, зсуви та функції активації, з метою знайти оптимальні значення, які змушують агента отримувати більше винагород. Наш підхід включає використання знань про предметну область для ініціалізації популяції генетичного алгоритму, а також для оцінки рішень. Це дозволяє нам спрямувати пошук до більш перспективних рішень. Особлива увага приділена впливу різних параметрів генетичного алгоритму на ефективність навчання. Потенційні застосування цього дослідження широкі – від робототехніки та автономних транспортних засобів до ігор та фінансів. Результати дослідження також можна використовувати для розробки нових алгоритмів та методів для покращення продуктивності агентів, що навчаються за допомогою підкріплення, що далі сприятиме розвитку машинного навчання. Наше дослідження показало, що використання генетичного алгоритму може значно покращити ефективність навчання агентів. Результатом роботи є успішне проходження гри CartPole-v0 еволюціонований агентами. 98 % нашої популяції досягнуть максимуму, тобто успішно пройдуть гру. |
Опис: | Волокита, А. Еволюція агентів навчання з підкріпленням за допомогою генетичного алгоритму / А. Волокита, Б. Герега // Технічні науки та технології. - 2023. - № 2 (32). - С. 175-184. |
URI (Уніфікований ідентифікатор ресурсу): | http://ir.stu.cn.ua/123456789/28990 |
Розташовується у зібраннях: | Технічні науки та технології. – 2023. – №2 (32) |
Файли цього матеріалу:
Файл | Опис | Розмір | Формат | |
---|---|---|---|---|
175-184.pdf | стаття | 776 kB | Adobe PDF | Переглянути/Відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.