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

Multidimenzionální posilované učení

Multi-objective reinforcement learning

Oliver Roch, učo 445413
Anotace

Práca poskytuje prehľad existujúcich metód multidimenzionálneho posilňovaného učenia. Zameriavame sa aj na metódy, ktoré sa učia jednu optimálnu stratégiu a aj na metódy, ktoré sa učia viacero optimálnych stratégií naraz. Popisujeme ako prezentované metódy pracujú a diskutujeme ich výhody a nevýhody. Ďalej práca prináša nové heuristiky na výber akcií v algoritmoch multidimenzionálneho posiľnovaného …více

Abstract

We provide an overview of the existing multi-objective reinforcement learning methods. Our focus is on both, single-policy and multi-policy algorithms. We describe how each of the presented methods works and discuss its advantages and disadvantages. Furthermore, we propose our novel heuristics for action selection that can be used in multi-objective reinforcement learning algorithms. Lastly, we experimentally …více

Klíčová slova
reinforcement learning Markov decision process multi-objective reinforcement learning Q-Learning dynamic programming single-policy methods multi-policy methods scalarisation function Pareto front
Zadání práce
Cílem práce je shrnout aktuální stav problematiky multidimenzionálního posilovaného učení optimálních strategií v Markovových rozhodovacích procesech. Jedná se například o optimalizaci multidimenzionálních průměrných odměn (multi-dimensional mean pay-off) a kombinaci bezpečnostních podmíne (safety) s optimalizací odměn. V ideálním případě by práce měla prozkoumat nové heuristiky pro selekci akcí v rámci učících algoritmů. Součástí práce musí být experimentální porovnání vybraných technik na vhodně zvolené sadě netriviálních příkladů (například z oblasti robotiky).
Administrativní informace
Práce zkontrolována:
4. 6. 2018 10:33, doc. RNDr. Tomáš Brázdil, Ph.D., MBA, učo 4074
Plný text práce
2,5 MB / soubor PDF
Přílohy (1)
Jazyk práce
angličtina angličtina
Termín obhajoby
25. 6. 2018
Práce byla úspěšně obhájena

Vedoucí

doc. RNDr. Tomáš Brázdil, Ph.D., MBA, učo 4074
KSUZD FI MU

Oponent

doc. RNDr. Vojtěch Řehák, Ph.D., učo 3721
KTP FI MU

Literatura

  • SUTTON, Richard S. a Andrew G. BARTO. Reinforcement learning : an introduction. Cambridge: Bradford Book, 1998, xviii, 322. ISBN 0262193981.
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Aplikovaná informatika
Obor

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • 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.