Algorisme evolutiu per a la presa de decisions basat en NEAT
العنوان: | Algorisme evolutiu per a la presa de decisions basat en NEAT |
---|---|
المؤلفون: | Mayoral Macau, Arnau, Universitat Autònoma de Barcelona. Escola d'Enginyeria |
المساهمون: | Gonzàlez i Sabaté, Jordi, Gonzàlez, Jordi |
المصدر: | Dipòsit Digital de Documents de la UAB Universitat Autònoma de Barcelona |
سنة النشر: | 2022 |
مصطلحات موضوعية: | Algorisme evolutiu, Aprendizaje reforzado, Complexification, Open AI Gym, Unity, NEAT, Algoritmo evolutivo, Evolutionary algorithms, Neuroevolution, Neuroevolution of augmenting topologies, Complexificacio, Reinforcement learning, Neuroevolucion, Neuroevolucio, Complejificacion, Aprenentatge reforçat |
الوصف: | En aquest projecte s'implementa un algorisme evolutiu de tipus NEAT per a ser utilitzat en els entorns que proporciona la llibreria OpenAI Gym i per a Unity, dues de les eines més utilitzades per a provar algorismes d'aprenentatge reforçat en petits videojocs. Els algorismes NEAT (Neuro evolution of augmenting topologies) es basen en generar xarxes neuronals simples i fer servir tècniques evolutives per a complexificar les xarxes i, eventualment, arribar a una xarxa que representi l'òptim global al problema minimitzant el seu cost computacional. En este proyecto se implementa un algoritmo evolutivo de tipo NEAT para ser utilizado en los entornos que proporciona OpenAI Gym y para Unity, dos de las herramientas más utilizadas para probar algoritmos de aprendizaje reforzado en pequeños videojuegos. Los algoritmos NEAT (Neuro evolution of augmenting topologies) se basan en generar redes neuronales simples y usar técnicas evolutivas para complejizar las redes y, eventualmente, llegar a una red que represente el óptimo global al problema minimizando el coste computacional. This project implements a NEAT evolutionary algorithm to be used in the environments provided by the OpenAI Gym library and for Unity, two of the most used tools to test reinforced learning algorithms in small video games. NEAT (Neuro evolution of augmenting topologies) algorithms generate simple neural networks and gradually complexificate them using evolutionary techniques and, eventually, reach a network that represents the global optimum to the problem while minimizing its computational cost. |
وصف الملف: | application/pdf |
URL الوصول: | https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::1e656ab1387738bba4507fd751b3e704 https://ddd.uab.cat/record/264209 |
حقوق: | OPEN |
رقم الأكسشن: | edsair.dedup.wf.001..1e656ab1387738bba4507fd751b3e704 |
قاعدة البيانات: | OpenAIRE |
الوصف غير متاح. |