یادگیری تقویتی عمیق چندهدفه با وزندهی پویا و تطبیق سریع با استفاده از شبکههای شرطی و تکرار تجربه متنوع
یادگیری تقویتی عمیق چندهدفه با وزندهی پویا و تطبیق سریع با استفاده از شبکههای شرطی و تکرار تجربه متنوع
هومن حسینیه فراهانی1 فرشته نصیری2 سارا تقی پور3
1) دانشجوی دکتری مهندسی کامپیوتر، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد اراک، ایران
2) دانشجوی دکتری مهندسی کامپیوتر، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد اراک، ایران
3) هیئت علمی گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد اراک، ایران
کد IOI مقاله
:
AAHD-ABBGDE
محل انتشار :
کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
یادگیری تقویتی چندهدفه بهعنوان یکی از رویکردهای مؤثر در طراحی سیستمهای تصمیمیار هوشمند می باشد که با مسئلهی تصمیمگیری همزمان میان اهدافی مواجه بوده است و اغلب ماهیتی متعارض را داشته است که اولویت آنها در طول زمان تغییر خواهد کرد . در محیطهای پویا و پیچیده، تغییر ناگهانی شرایط میتواند ترجیحات تصمیمگیرنده را عوض کند و این امر نیازمند سیاستهایی است که علاوه بر پایداری یادگیری، از توان سازگاری و تعمیم بالایی برخوردار باشند. پژوهش حاضر با هدف پاسخ به این چالش، یک چارچوب نوین برای یادگیری تقویتی عمیق چندهدفه مبتنی بر وزندهی پویا ارائه شده است که امکان تطبیق سریع را براساس سیاستها با تغییر اولویت اهداف را فراهم می کند. روش پژوهش از نوع نیمهآزمایشی و مبتنی بر شبیهسازی بوده که ارزیابی آن در مجموعهای از محیطهای استاندارد یادگیری تقویتی چندهدفه انجام شده است. در این چارچوب، سیاست تصمیمگیری با استفاده از شبکههای عصبی شرطی نسبت به بردار وزن اهداف شرطیسازی شده است و بهمنظور افزایش تنوع تجربیات و حفظ ثبات فرآیند یادگیری، از سازوکار تکرار تجربه متنوع بهره گرفته شده است. عملکرد روش پیشنهادی با معیارهایی نظیر کیفیت جبهه پارتو، پایداری یادگیری و سرعت سازگاری مورد ارزیابی قرار گرفته شده است و نتایج حاصل نشان میدهد که چارچوب پیشنهادی در مقایسه با روشهای مرجع، تعادل مؤثرتری میان اهداف متعارض برقرار کرده، از همگرایی باثباتتری برخوردار است و توانایی بالاتری در تطبیق با تغییرات ناگهانی اولویتها از خود نشان میدهد. این یافتهها بیانگر ظرفیت بالای روش پیشنهادی برای بهکارگیری در مسائل واقعی یادگیری تقویتی چندهدفه در محیطهای پویا است
کلمات کلیدی : یادگیری تقویتی چندهدفه وزندهی پویا شبکه عصبی شرطی تصمیمگیری چندهدفه تطبیق سریع پایداری یادگیری