Megerősítéses tanuláson alapuló stratégiák fejlesztése multiágensű robotrendszerekhez

OData támogatás
Konzulens:
Dr. Harmati István
Irányítástechnika és Informatika Tanszék

Multiágensű robotrendszerek alkalmazásakor a kívánt cél elérésének módja sokrétű lehet, zajos vagy változó környezetben nem is állapítható meg egyértelmű optimum. Ugyanazon cél elérése egymástól különböző környezetben rugalmas megközelítést kíván meg az alkalmazott stratégiától. Amennyiben a feladat során az egyes szituációk ismétlődően előfordulnak, lehetőség adódik többféle megoldás kipróbálására is, így megnyílik az út a gépi, megerősítéses tanulás felé, mely nagyban segítheti a problémamegoldást, idővel optimálisabb megoldást eredményezve. Az ágensek közötti feladatmegosztás, a közös stratégia finomhangolásával sokrétű környezetben is elérhető az optimális megoldás.

Egy vagy több másik ágenscsoporttal való interakció, legyen az együttműködő vagy versengő, dinamikus környezetet teremt, így a multiágensű csapatok közötti játékok, ha az ellenfél, vagy a stratégiája változik, megkövetelhetik a rendszer dinamizmusát, tanulásra való képességét. Megfelelő tanulási tulajdonságok megléte esetén a stratégia jó általános problémamegoldó-képességgel vérteződhet fel, mely nagy előnyt jelenthet az egy célra specializált és optimalizált stratégiákkal szemben.

E szakdolgozat keretében a cél a megerősítéses tanulási módszerek elméleti és gyakorlati vizsgálata, különös tekintettel a multiágensű rendszerek körében való teljesítményükre és hasznosíthatóságukra, valamint alkalmazásuk egy konkrét feladatban, jelen esetben egy robotfoci-csapat irányítására.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.