A Multi-Agent Deep Reinforcement Learning Approach to Optimal Distribution of Passive Energy Dissipation Devices for Seismically Excited Buildings
Sismik Olarak Aktif Binalar için Pasif Enerji Sönümleme Cihazlarının Optimal Dağıtımında Çoklu Aracılı Derin Pekiştirmeli Öğrenme Yaklaşımı
- Tez No: 1014127
- Danışmanlar: DOÇ. DR. ERCAN ATAM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, İnşaat Mühendisliği, Computer Engineering and Computer Science and Control, Civil Engineering
- Anahtar Kelimeler: Deprem mühendisliği, Pekiştirmeli öğrenme, Yapay zeka, Earthquake engineering, Reinforcement learning, Artificial intelligence
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Veri Bilimi ve Yapay Zeka Enstitüsü
- Ana Bilim Dalı: Veri Bilimi ve Yapay Zeka Ana Bilim Dalı (disiplinlerarası)
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sismik olaylar, konut, ticari ve endüstriyel yapıların güvenliği açısından önemli bir zorluk oluşturmaktadır. Yapıların pasif kontrolünde, pasif kontrol cihazlarının yapı boyunca doğru şekilde dağıtılması ve yerleştirilmesi, etkinlikleri açısından kritik öneme sahiptir. Geleneksel yapısal kontrol yaklaşımları çoğunlukla doğrusal veya zayıf doğrusal olmayan davranışlar için tasarlanmıştır ve farklı senaryolara genelleme yapabilme ve ölçeklenebilirlik açısından sınırlıdır. Bu tez, bu zorluğu, sismik tepki kontrolünü bir Çok Ajanlı Pekiştirmeli Öğrenme problemi olarak ele alarak çözmeyi amaçlamaktadır. Viskoz sönümleyicilerle donatılmış bir yapı modellenmiş ve kapsamlı bir deprem veritabanı altında simüle edilmiştir. Yapısal kontrol problemi, çoklu ajan ların yerel gözlemlere dayalı olarak çalıştığı bir Markov Karar Süreci olarak formüle edilmiştir. Pasif enerji sönümleyici cihazların dağılımı, kooperatif bir karar verme problemi olarak tanımlanarak, belirsizlik altında koordineli yapısal kontrol için ölçeklenebilir bir çerçeve tasarlanmıştır.
Özet (Çeviri)
Seismic events pose a significant challenge to the safety of residential, commer- cial, and industrial structures. In passive control of structures, correct distribution and placement of passive control devices throughout the structure is essential to their efficacy. Traditional structural control approaches are primarily designed for linear or weakly nonlinear behavior and are limited in their ability to generalize and scale to different scenarios. This thesis addresses this challenge by formulating seismic re- sponse control as a Multi-Agent Reinforcement Learning problem. A structural sys- tem equipped with viscous dampers is modeled and simulated under comprehensive database of ground motions. The control task is formulated as a Markov Decision Pro- cess, where multiple agents operate based on local observations. By defining the distri- bution of passive energy dissipation devices as a cooperative decision making problem, we design a scalable framework for coordinated structural control under uncertainties.
Benzer Tezler
- Yanıltıcı gözlem saldırılarına karşı çok etmenli rehberli derin pekiştirmeli öğrenme yaklaşımı
Multi agent guided deep reinforcement learning approach against state perturbed adversarial attack
ÇAĞRI ÇERÇİ
Doktora
Türkçe
2025
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- Wind-optimized route planning with deep reinforcement learning
Derin pekiştirmeli öğrenme ile rüzgar optimizasyonlu rota planlaması
MELİH SAFA CENGİZ
Yüksek Lisans
İngilizce
2025
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. BARIŞ BAŞPINAR
- Deep learning based resources allocation for 5G networks
Başlık çevirisi yok
ZIADOON TAREQ OBAID ALYASARI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER KURNAZ
- A smart intrusion detection systemagainst cyber attacks in unmanned aerial vehicles
İnsansız hava araçlarında siber saldırılara karşıakıllı saldırı tespit sistemi
BURCU SÖNMEZ SARIKAYA
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞERİF BAHTİYAR
- AI-enhanced dynamic preemptive resource allocation in next generation cellular networks
Yeni nesil hücresel ağlarda yapay zeka destekli dinamik öncelikli kaynak tahsisi
EGE ENGİN
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN