Porovnání standardních metod posilovaného učení
Comparison of State-of-the-Art Baselines for Reinforcement Learning
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Michaela Cihlářová
Vedoucí práce
Zimmermann Karel
Oponent práce
Pošík Petr
Studijní program
Kybernetika a robotikaInstituce přidělující hodnost
katedra kybernetikyPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
V této bakalářské práci se zaměřujeme na porovnání vybraných metod posilovaného učení a algoritmů z oblasti evolučních metod pro spojitý akční prostor. První část práce je věnována teoretickému základu zadaných algoritmů. V druhé části popíšeme tvorbu vlastního prostředí a vývoj funkce odměny. Dále porovnáme metody na jak již existujících prostředích, tak na námi vytvořeném, a nakonec se detailněji podíváme na implementaci Advantage Actor-Critic algoritmu. This bachelor thesis focuses on comparing the selected reinforcement learning methods and the evolution methods algorithms for continuous action space. The first part of this thesis is dedicated to the theoretical background of the assigned algorithms. In the second part, we describe the creation of the environment and the evolution of the reward function. Next, we compare the methods in the existing environment and the environment made by us. Finally, we take a closer look at the implementation of the Advantage Actor-Critic algorithm.
Kolekce
- Bakalářské práce - 13133 [622]