Diplomová práce
Získaná ocenění: Cena děkana FI za vynikající závěrečnou práci

A Regularized Actor-Critic Algorithm for Safe Reinforcement Learning with Pareto Duality

Bc. Hugo Adamove
Anotace

Táto diplomová práca sa zaoberá bezpečným spätnoväzobným učením (safe reinforcement learning) v rámci viazaného Markovovho rozhodovacieho procesu (Constrained Markov Decision Process). Teoretická časť práce poskytuje prehľad primárno-duálnych metód a Lagrangeovej relaxácie a zároveň opisuje geometriu priestoru riešení a duálny optimalizačný problém. Praktická časť práce stavia na teoretických základoch …více

Abstract

This thesis addresses the challenge of Safe Reinforcement Learning within the Constrained Markov Decision Process (CMDP) framework. It first provides a comprehensive review of the theory behind primal-dual methods and Lagrangian relaxation, characterizing the geometry of the solution space and the dual optimization problem. Building on this theoretical foundation, the practical component explores Regularized …více

Zadání práce
The aim of the thesis is to implement and validate a new Actor-Critic algorithm for safe reinforcement learning based on Pareto duality. The student will develop a regularized Actor-Critic agent where the critic learns a dual Q-function and the actor is trained to match a target policy that balances performance, stability, and exploration. The final implementation will be evaluated against a state-of-the-art method on appropriate safe reinforcement learning environments. The text part of the thesis will contain a high-level description of the implemented algorithm, description of benchmarks, and thorough presentation and discussion of the experimental results.
Práce zkontrolována:
17. 12. 2025 10:55, doc. RNDr. Petr Novotný, Ph.D., učo 172743
Jazyk práce
angličtina angličtina
Termín obhajoby
30. 1. 2026
Práce byla úspěšně obhájena

Vedoucí

doc. RNDr. Petr Novotný, Ph.D., učo 172743
KTP FI MU

Oponent

prof. Dr. rer. nat. RNDr. Mgr. Bc. Jan Křetínský, Ph.D., učo 139914
KTP FI MU

Konzultant

Mgr. Martin Kurečka
KTP FI MU

Masarykova univerzita Fakulta informatiky
Plán
Strojové učení a umělá inteligence

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.
  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.
  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.
  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.
  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.