Multi-agent reinforcement learning using roles
Roller kullanarak çoklu-etmen takviye öğrenme
- Tez No: 116240
- Danışmanlar: DOÇ. DR. FARUK POLAT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Takviye öğrenme, çoklu-etmen öğrenme, çoklu-etmen koor dinasyon, etmen rolleri, Takviyeli öğrenme, Öğrenme, Reinforcement learning, multi-agent learning, multi-agent coordination, agent roles, Reinforced learning, Learning
- Yıl: 2001
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Takviye öğrenme, önemi artan bir makine öğrenme tekniği olarak bilinmekte dir ve etmen teorisinde yaygın olarak kullanılmaktadır. Çoklu-etmen takviye öğrenme ise takviye öğrenme tekniklerinin çoklu-etmen ortamlara genişletilerek uyarlanması ile ilgilenir. Etmenler arası koordinasyon açıkça bilgi paylaşımı olmadan edinilebilir. Kimi problemlerde öğrenmenin gerçekleşmesi için görev bölümlendirmesi gerekebilir. Bu tezde görev bölümlendirmesine alternatif bir yaklaşım olarak, alt görevlerinden oluşan problemlerin çözümü için etmen rolleri tanımlanmıştır. Yaklaşım farklı özellikteki iki ortamda denenmiş ve tartışılmıştır.
Özet (Çeviri)
Reinforcement learning (RL) is known to be an promising machine learning tech nique and is extensively used in agent theory. Multi-agent reinforcement learning (MARL) deals with how to scale up RL to multi-agent domains. Coordination among agents can be achieved without explicit information sharing. Decomposi tion of task may be necessary to realize learning in some problems. In this thesis, roles are defined for an agent as an alternative approach to task decomposition for problems made up of sequential sub-tasks. The approach is experimented and discussed on two domains of different characteristics.
Benzer Tezler
- Reinforcement learning of multi-agent team behavior
Çoklu-etmen takım davranışlarının pekiştirmeli öğrenilmesi
MEHMET UTKU TATLIDEDE
Yüksek Lisans
İngilizce
2003
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. LEVENT AKIN
- Reinforcement learning using potential field for role assignment in a multi-robot two-team game
Çoklu-robotlu, iki-takımlı bir oyunda rol belirlemeyi potensiyal alanlar kullanarak yapan pekişmeli öğrenme
FİDAN ÖZGÜL
Yüksek Lisans
İngilizce
2004
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İSMET ERKMEN
PROF. DR. AYDAN ERKMEN
- Deep reinforcement learning for stackelberg dynamic pricing: from dp benchmarks to multi-agent competition
Stackelberg dinamik fiyatlandırma için derin pekiştirmeli öğrenme: DP referanslarından çok ajanlı rekabete
FURKAN ORAL
Yüksek Lisans
İngilizce
2026
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiVeri Mühendisliği ve İş Analitiği Ana Bilim Dalı (disiplinlerarası)
DR. ÖĞR. ÜYESİ MEHMET YASİN ULUKUŞ
- Türkiye enerji piyasasının makine öğrenmesi uygulamasıyla düşük-karbon salımına geçişte ajan temelli modellenmesi
Turkish energy market agent-based modeling for low-carbon transition with machine learning application
BURAK GÖKÇE
Doktora
Türkçe
2026
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
PROF. DR. GÜLGÜN KAYAKUTLU
- 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