7851

كشف و بهره برداري از مهارت هاي غير وابسته به محيط در يادگيري تقويتي سلسله مراتبي

كارشناسي

مهندسي كامپيوتر

1401

دكتر ناصر مزيني

1401/04/26

مهندسي كامپيوتر

Detection of environment-independent skills in Hierarchical Reinforcement Learning

يادگيري تقويتي كه يكي روش هاي مشهور در زمينه يادگيري ماشين محسوب مي شود، در محيط هاي پيوسته كه از فضاي state-action وسيعي ساخته شده اند، عموما نمي تواند در زمان معقولي، به يك سياست بهينه دست يابد. در روش يادگيري تقويتي سلسله مراتبي با طراحي كردن انتزاع هاي زماني و مكاني ، زيراهداف و راه هاي كسب مهارت براي رسيدن به اين زيراهداف تا حدودي اين مشكل رفع شده است. اما اكثر روش هايي كه در اين زمينه مطرح مي شوند، اكثرا به حالت هاي محيط وابسته اند. روشي كه در اين پژوهش پيشنهاد مي شود، تلاش مي كند تا مهارت هاي زماني مستقل از حالت را كشف كند. سپس از اين مهارت ها كه در واقع دنباله اي از اعمال قابل انجام توسط عامل هستند، مي توان براي انجام هدف نهايي استفاده كرد. درواقع، اين روش سرعت يادگيري عامل را در كارهاي پيچيده تر، به خصوص در فاز كاوش عامل، افزايش مي دهد.

يادگيري تقويتي , يادگيري تقويتي سلسله مراتبي , كشف مهارت هاي زماني , مهارت هاي غير وابسته به محيط