نقش پردازش موازی در افزایش سرعت همگرایی الگوریتمهای یادگیری تقویتی
نقش پردازش موازی در افزایش سرعت همگرایی الگوریتمهای یادگیری تقویتی
هومن حسینیه فراهانی1 فرشته نصیری2 منصوره غیاث آبادی3
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-ABBGDF
محل انتشار :
کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
یادگیری تقویتی بهعنوان یکی از كاربردهاي مهم در حوزه هوش مصنوعی می باشد و نقش مهمی در حل مسائل تصمیمگیری پیچیده، پویا و مبتنی بر تعامل ایفا میکند. با وجود موفقیتهای چشمگیر این رویکرد، هزینه محاسباتی بالا، سرعت همگرایی پایین و ناکارآمدی در مقیاسهای بزرگ، چالشهای اساسی در کاربرد عملی آن به شمار میآیند. هدف اصلی این پژوهش بررسی تأثیر پردازش موازی بر افزایش سرعت همگرایی و بهبود کارایی الگوریتمهای یادگیری تقویتی در محیطهای پیچیده است. این مطالعه از نوع پیمایشی–همبستگی بوده و با بهرهگیری از شبیهسازی مبتنی بر مدل انجام شده است.
جامعه آماری شامل مجموعهای از محیطهای استاندارد یادگیری تقویتی با ویژگیهای پیچیدگی بالا بوده و نمونهها بهصورت هدفمند انتخاب شدهاند و همچنین ابزار پژوهش، چارچوب پردازش موازی الگوریتمهای یادگیری تقویتی ارائه شده که در آن، تجربیات عاملها بهصورت همزمان جمعآوری و بهطور هوشمند ادغام میشوند. تحلیل دادهها با استفاده از روشهای آماری توصیفی، تحلیل همبستگی و مقایسه عملکرد الگوریتمها انجام پذیرفته است. نتایج پژوهش نشان میدهد که بهکارگیری پردازش موازی منجر به کاهش معنادار زمان همگرایی که باعث افزایش پایداری فرآیند یادگیری و بهبود بهرهوری نمونهها میشود و همچنین، مدیریت پویای درجه موازیسازی و ادغام مؤثر تجربیات، ضمن حفظ کیفیت سیاست نهایی، کارایی کلی سیستم را ارتقا میدهد. در مجموع، یافتههای این مقاله حاکی از آن است که پردازش موازی میتواند بهعنوان راهکاری کارآمد برای غلبه بر محدودیتهای محاسباتی یادگیری تقویتی و توسعه الگوریتمهای مقیاسپذیر در مسائل واقعی هوش مصنوعی مورد استفاده قرار گیرد.
کلمات کلیدی : واژههاي كليدي یادگیری تقویتی پردازش موازی همگرایی الگوریتمها یادگیری توزیعشده هوش مصنوعی