WYBRANE METODY UCZENIA PRZEZ WZMACNIANIE ZASTOSOWANE DO WYZNACZANIA OPTYMALNEJ TRASY PRZEJŚCIA
Praca koncentruje się na wyznaczaniu optymalnej trasy przejścia agenta ruchomego w środowisku z przeszkodami statycznymi, przy wykorzystaniu uczenia przez wzmacnianie. W pracy przeanalizowano algorytmy uczenia przez wzmacnianie takie jak: Q-learning i Sarsa w wersji klasycznej oraz rozszerzonej o o...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Gdynia Maritime University
2025-06-01
|
| Series: | Scientific Journal of Gdynia Maritime University |
| Subjects: | |
| Online Access: | https://sjgmu.umg.edu.pl/index.php/sjgmu/article/view/477 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1850157848939462656 |
|---|---|
| author | Adrian Sawicki Mirosław Tomera |
| author_facet | Adrian Sawicki Mirosław Tomera |
| author_sort | Adrian Sawicki |
| collection | DOAJ |
| description |
Praca koncentruje się na wyznaczaniu optymalnej trasy przejścia agenta
ruchomego w środowisku z przeszkodami statycznymi, przy wykorzystaniu uczenia przez
wzmacnianie. W pracy przeanalizowano algorytmy uczenia przez wzmacnianie takie jak:
Q-learning i Sarsa w wersji klasycznej oraz rozszerzonej o optymalizator gradientowy Adam.
W pracy zbadano wpływ optymalizatora Adam na szybkość i stabilność znajdowania
optymalnego rozwiązania. Analiza obejmowała porównanie szybkości uczenia, liczby
kroków w pojedynczym odcinku oraz stabilności procesu uczenia. Wyniki wykazały, że
rozważane algorytmy Q-learning i Sarsa uzupełnione o optymalizator Adam osiągają
wyższą skuteczność działania, charakteryzującą się szybciej wyznaczaną optymalną trasą
przejścia, aniżeli algorytmy te bez optymalizatora Adam. Uzyskane wyniki mogą być
szczególnie przydatne w praktycznych zastosowaniach służących do wyznaczanie trasy
przejścia, w takich dziedzinie jak robotyka mobilna.
|
| format | Article |
| id | doaj-art-e79b850b12084074969f4dfab4e2d154 |
| institution | OA Journals |
| issn | 2657-5841 2657-6988 |
| language | English |
| publishDate | 2025-06-01 |
| publisher | Gdynia Maritime University |
| record_format | Article |
| series | Scientific Journal of Gdynia Maritime University |
| spelling | doaj-art-e79b850b12084074969f4dfab4e2d1542025-08-20T02:24:03ZengGdynia Maritime UniversityScientific Journal of Gdynia Maritime University2657-58412657-69882025-06-0113410.26408/134.05WYBRANE METODY UCZENIA PRZEZ WZMACNIANIE ZASTOSOWANE DO WYZNACZANIA OPTYMALNEJ TRASY PRZEJŚCIAAdrian Sawicki0Mirosław Tomera1Gdynia Maritime University Doctoral School, 81–87 Morska St., 81-225 Gdynia, PolandGdynia Maritime University, 81–87 Morska St., 81-225 Gdynia, Poland, Department of Ship and Industrial Automation, Faculty of Electrical Engineering Praca koncentruje się na wyznaczaniu optymalnej trasy przejścia agenta ruchomego w środowisku z przeszkodami statycznymi, przy wykorzystaniu uczenia przez wzmacnianie. W pracy przeanalizowano algorytmy uczenia przez wzmacnianie takie jak: Q-learning i Sarsa w wersji klasycznej oraz rozszerzonej o optymalizator gradientowy Adam. W pracy zbadano wpływ optymalizatora Adam na szybkość i stabilność znajdowania optymalnego rozwiązania. Analiza obejmowała porównanie szybkości uczenia, liczby kroków w pojedynczym odcinku oraz stabilności procesu uczenia. Wyniki wykazały, że rozważane algorytmy Q-learning i Sarsa uzupełnione o optymalizator Adam osiągają wyższą skuteczność działania, charakteryzującą się szybciej wyznaczaną optymalną trasą przejścia, aniżeli algorytmy te bez optymalizatora Adam. Uzyskane wyniki mogą być szczególnie przydatne w praktycznych zastosowaniach służących do wyznaczanie trasy przejścia, w takich dziedzinie jak robotyka mobilna. https://sjgmu.umg.edu.pl/index.php/sjgmu/article/view/477Sztuczna inteligencja, uczenie przez wzmacnianie, Q-learning, Sarsa, optymalizator Adam |
| spellingShingle | Adrian Sawicki Mirosław Tomera WYBRANE METODY UCZENIA PRZEZ WZMACNIANIE ZASTOSOWANE DO WYZNACZANIA OPTYMALNEJ TRASY PRZEJŚCIA Scientific Journal of Gdynia Maritime University Sztuczna inteligencja, uczenie przez wzmacnianie, Q-learning, Sarsa, optymalizator Adam |
| title | WYBRANE METODY UCZENIA PRZEZ WZMACNIANIE ZASTOSOWANE DO WYZNACZANIA OPTYMALNEJ TRASY PRZEJŚCIA |
| title_full | WYBRANE METODY UCZENIA PRZEZ WZMACNIANIE ZASTOSOWANE DO WYZNACZANIA OPTYMALNEJ TRASY PRZEJŚCIA |
| title_fullStr | WYBRANE METODY UCZENIA PRZEZ WZMACNIANIE ZASTOSOWANE DO WYZNACZANIA OPTYMALNEJ TRASY PRZEJŚCIA |
| title_full_unstemmed | WYBRANE METODY UCZENIA PRZEZ WZMACNIANIE ZASTOSOWANE DO WYZNACZANIA OPTYMALNEJ TRASY PRZEJŚCIA |
| title_short | WYBRANE METODY UCZENIA PRZEZ WZMACNIANIE ZASTOSOWANE DO WYZNACZANIA OPTYMALNEJ TRASY PRZEJŚCIA |
| title_sort | wybrane metody uczenia przez wzmacnianie zastosowane do wyznaczania optymalnej trasy przejscia |
| topic | Sztuczna inteligencja, uczenie przez wzmacnianie, Q-learning, Sarsa, optymalizator Adam |
| url | https://sjgmu.umg.edu.pl/index.php/sjgmu/article/view/477 |
| work_keys_str_mv | AT adriansawicki wybranemetodyuczeniaprzezwzmacnianiezastosowanedowyznaczaniaoptymalnejtrasyprzejscia AT mirosławtomera wybranemetodyuczeniaprzezwzmacnianiezastosowanedowyznaczaniaoptymalnejtrasyprzejscia |