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

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


زبان مقاله : فارسی
محور مقاله : محورهای نظری هوش مصنوعی
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ABBGDE
لینک مستقیم مقاله : https://isnac.ir/AAHD-ABBGDE

سایر مقالات محل انتشار
  1. A Study on Design Understandability and Interaction of the therapy-specific Robots
  2. طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتی‌ژن
  3. طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
  4. یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکه‌های خودرویی شهرهای هوشمند با استفاده از داده‌های ترافیکی شبکه سلولی
  5. An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
  6. تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکه‌های عصبی
  7. Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
  8. ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
  9. کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
  10. Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
  11. Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
  12. تحلیل آینده‌پژوهانه هم‌گرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
  13. نقش تحول دیجیتال در خدمات کتابخانه‌های عمومی برای توان‌یابان جسمی و ذهنی
  14. Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
  15. Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems