Architektury neuronových sítí pro heuristické funkce v obecných plánovacích problémech

Abstract

Tato bakalářská práce porovnává architektury neuronových sítí pro heuristické funkce v obecných plánovacích problémech. Zkoumá různé metody kódování plánovacích problémů a využití grafových neuronových sítí. Dále navrhuje několik optimalizací pro zrychlení učení a diskutuje výhody a nevýhody zavedených architektur. Významná část práce je věnována implementaci těchto architektur a jejich optimalizací.

This bachelor thesis compares the architectures of Neural Networks for heuristic functions in general planning problems. It explores various methods for encoding planning problems and utilizing Graph Neural Networks. Additionally, it proposes several optimizations to enhance learning speed and discusses the advantages and disadvantages of the introduced architectures. A significant portion of the work is dedicated to the implementation of these architectures and their optimizations.