یادگیری تقویتی برای تصمیم گیری های پیچیده [پايان نامه فارسي]
امیر تاجیک
| شناسگر رکورد: | ۱۶۱۳۴ |
| رشته تحصیلی: | نرم افزار |
| عنوان: | یادگیری تقویتی برای تصمیم گیری های پیچیده |
| نويسنده: | امیر تاجیک |
| استاد راهنما : |
دکتر علی موقر رحیم آبادی دکتر بابک مجیدی |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۳۹۹ |
| چکیده: | استفاده از رباتیک در محیطهای آشفته و پویا چالشهای بسیاری را ایجاد میکند. در این پایاننامه استفاده از روشی پیشنهاد شده است تا در سیستم عامل راس و شبیهساز گزبو بتوانیم از قابلیتهای open AI GYM در آموزش عامل رباتیک استفاده کنیم. سیستم به گونهای طراحی شده است یک ربات واقعی میتواند در محیطی بدون نقش ونگار و درهم ریخته قرار گیرد و بتواند در مسیر مورد نظر و بدون دانش قبلی حرکت کند. هدف پایاننامه پیادهسازی الگوریتم Q-learning و بررسی امکانات موجود برای تنظیم هایپرپارامترهای موثر برای آموزش عامل رباتیک در مدت زمان مناسب و خطای قابل قبول، است. پیادهسازی این الگوریتم گام پیشنیاز در پیادهسازی الگوریتمهای پیچیدهتر یادگیری تقویتی عمیق برای محیطهای پیچیده با موانع متفاوت نزدیک به محیط واقعی میباشد. |
| واژگان کلیدی: | مهندسی کامپیوتر |
| مهندسی نرم افزار | |
| یادگیری تقویتی | |
| ROS | |
| Q-learning | |
| open AI |
جهت ثبت نظر با حساب کاربری تان وارد شوید