WYBRANE METODY UCZENIA PRZEZ WZMACNIANIE ZASTOSOWANE DO WYZNACZANIA OPTYMALNEJ TRASY PRZEJŚCIA
Praca koncentruje się na wyznaczaniu optymalnej trasy przejścia agenta ruchomego w środowisku z przeszkodami statycznymi, przy wykorzystaniu uczenia przez wzmacnianie. W pracy przeanalizowano algorytmy uczenia przez wzmacnianie takie jak: Q-learning i Sarsa w wersji klasycznej oraz rozszerzonej o o...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Gdynia Maritime University
2025-06-01
|
| Series: | Scientific Journal of Gdynia Maritime University |
| Subjects: | |
| Online Access: | https://sjgmu.umg.edu.pl/index.php/sjgmu/article/view/477 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Praca koncentruje się na wyznaczaniu optymalnej trasy przejścia agenta
ruchomego w środowisku z przeszkodami statycznymi, przy wykorzystaniu uczenia przez
wzmacnianie. W pracy przeanalizowano algorytmy uczenia przez wzmacnianie takie jak:
Q-learning i Sarsa w wersji klasycznej oraz rozszerzonej o optymalizator gradientowy Adam.
W pracy zbadano wpływ optymalizatora Adam na szybkość i stabilność znajdowania
optymalnego rozwiązania. Analiza obejmowała porównanie szybkości uczenia, liczby
kroków w pojedynczym odcinku oraz stabilności procesu uczenia. Wyniki wykazały, że
rozważane algorytmy Q-learning i Sarsa uzupełnione o optymalizator Adam osiągają
wyższą skuteczność działania, charakteryzującą się szybciej wyznaczaną optymalną trasą
przejścia, aniżeli algorytmy te bez optymalizatora Adam. Uzyskane wyniki mogą być
szczególnie przydatne w praktycznych zastosowaniach służących do wyznaczanie trasy
przejścia, w takich dziedzinie jak robotyka mobilna.
|
|---|---|
| ISSN: | 2657-5841 2657-6988 |