Geri Dön

Çoklu etmen mimarisi ve takviyeli öğrenme

Multi agent architecture and reinforcement learning

  1. Tez No: 183319
  2. Yazar: MEHMET HACIBEYOĞLU
  3. Danışmanlar: PROF. DR. AHMET ARSLAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Eğitim ve Öğretim, Computer Engineering and Computer Science and Control, Science and Technology, Education and Training
  6. Anahtar Kelimeler: Takviyeli öğrenme, Q öğrenme, yapay sinir ağları, labirent vearama problemleri, Reinforcement learning, q learning, artificial neural networks, maze andsearching problems
  7. Yıl: 2006
  8. Dil: Türkçe
  9. Üniversite: Selçuk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 71

Özet

Takviyeli öğrenme yöntemleri, bağımsız etmenli sistemlere ve dinamik ortamlarauygulanabilir olduğundan son zamanlarda oldukça ilgi çekmiştir. Takviyeli öğrenmemetotları içerisinde en popüler algoritmalardan biri Q öğrenmedir. Q öğrenme, labirentve arama problemlerine uygulandığında optimal politikayı belirleme hızı bakımındanilgi çekici bir öğrenme metodu olarak bilinmektedir. Bunun yanı sıra durum uzayınıngenişlemesi Q öğrenme algoritmasında yavaşlamalara neden olmaktadır.Bu tez çalışmamda bu problemin çözümü için yeni bir yöntem sunulacaktır. Buyöntemde takviyeli öğrenme ile yapay sinir ağları birlikte kullanılmaktadır. Geliştirileneylem seçme yöntemi ile etmenin q değerleri yanı sıra yapay sinir ağı çıkışlarından dafaydalanması sağlanmaktadır. Böylece etmen hedefine ulaşabileceği konumlara dahahızlı bir şekilde gelebilmektedir. Deneysel sonuçlar durum uzayında gerçekleştirilenuygulamanın geçerliliğini göstermektedir.

Özet (Çeviri)

The application of reinforcement learning to autonomous agent systems anddynamic states has attracted recent attention. One of the most popular reinforcementtechniques is Q learning. It has been proven to produce an optimal policy under mazeand searching problems. Increases the dimension of state space bring disadvantages tothis algorithm.This theses presents a novel approach to overcome this problem. The approachusing together reinforcement learning and artificial neural networks. Q values andartificial neural network outputs are using together with developed action select method.Thus agent can reach the goal state rapidly. Experimental results handled on pursuitdomain show the effectiveness and applicability of the proposed approach.

Benzer Tezler

  1. Multi agent reinforcement learning using function approximation

    Fonksiyon yaklaşımı kullanarak çoklu etmen takviye öğrenme

    OSMAN ABUL

    Yüksek Lisans

    İngilizce

    İngilizce

    1999

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FARUK POLAT

  2. Askeri harekatın planlanmasında çoklu etmen tabanlı modelleme ve benzetim mimarisi

    A multi-agent architecture for modelling and simulation in millitary operation planning

    MURAT MALA

    Doktora

    Türkçe

    Türkçe

    2009

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İBRAHİM ÇİL

  3. Çoklu etmen ortamında nesne tabanlı dağıtık bellek paylaşımı

    Distributed object sharing in the multi-agent environment

    METEHAN PATACI

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. NADİA ERDOĞAN

  4. Zeki etmenler ile sera kontrolü

    Greenhouse controled with intelligent agents

    SERAP ERGÜN

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. TUNCAY AYDOĞAN

  5. Implementing an agent-based system for distributed information retrieval

    Dağıtık bilgi erişim için etmen tabanlı bir sistemin geliştirilmesi

    ABDEL NASER POUAMOUN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge Üniversitesi

    Uluslararası Bilgisayar Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İLKER KOCABAŞ