Multidimenzionální posilované učení

Bc. Oliver Roch

Bakalářská práce

Multi-objective reinforcement learning

Anotace:

Práca poskytuje prehľad existujúcich metód multidimenzionálneho posilňovaného učenia. Zameriavame sa aj na metódy, ktoré sa učia jednu optimálnu stratégiu a aj na metódy, ktoré sa učia viacero optimálnych stratégií naraz. Popisujeme ako prezentované metódy pracujú a diskutujeme ich výhody a nevýhody. Ďalej práca prináša nové heuristiky na výber akcií v algoritmoch multidimenzionálneho posiľnovaného učenia. Tieto heuristiky, rovnako ako aj vybrané existujúce metódy, práca experimentálne porovnáva na sade problémov s viacerými cieľmi.

Abstract:

We provide an overview of the existing multi-objective reinforcement learning methods. Our focus is on both, single-policy and multi-policy algorithms. We describe how each of the presented methods works and discuss its advantages and disadvantages. Furthermore, we propose our novel heuristics for action selection that can be used in multi-objective reinforcement learning algorithms. Lastly, we experimentally evaluate the selected established methods and our proposed methods on a set of multi-objective problems.

Keywords

reinforcement learning, Markov decision process, multi-objective reinforcement learning, Q-Learning, dynamic programming, single-policy methods, multi-policy methods, scalarisation function, Pareto front

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 25. 5. 2018

Obhajoba závěrečné práce

• Obhajoba proběhla 25. 6. 2018
• Vedoucí: doc. RNDr. Tomáš Brázdil, Ph.D.
• Oponent: RNDr. Vojtěch Řehák, Ph.D.

Masarykova univerzita

Fakulta informatiky

Bakalářský studijní program / obor:
Aplikovaná informatika / Aplikovaná informatika