Reinforcement learning using potential field for role assignment in a multi-robot two-team game
Çoklu-robotlu, iki-takımlı bir oyunda rol belirlemeyi potensiyal alanlar kullanarak yapan pekişmeli öğrenme
- Tez No: 153726
- Danışmanlar: PROF. DR. İSMET ERKMEN, PROF. DR. AYDAN ERKMEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: çoklu elemanlı sistemler, pekiştirmeli öğrenme, robot futbolu, potansiyel alanlar, multi agent systems, reinforcement learning, robosoccer, potential field
- Yıl: 2004
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Öz ÇOKLU-ROBOTLU, İKİ-TAKIMLI BİR OYUNDA ROL BELİRLEMEYİ POTENSİYAL ALANLAR KULLANARAK YAPAN PEKİŞTİRMELİ ÖĞRENME FİDAN, Özgül Yüksek Lisans, Elektrik ve Elektronik Mühendisliği Bölümü Tez Yöneticisi: Prof. Dr. İsmet ERKMEN Ortak Tez Yöneticisi : Prof.Dr. Aydan ERKMEN ARALIK 2004, 75 SAYFA Bu çalışmada, robot futbolu simulatörleri test yatakları olarak kullanarak, potansiyel alan metodunun yardımıyla pekiştirmeli öğrenme algoritmaları araştırılmıştır. Pekiştirmeli öğrenme (RL), elemanları tecrübe ile öğrendikleri genel problem çözümü için bir çerçevedir. Çoklu eleman davranışlarını incelemek için popülerliği ve karmaşıklığı sebebiyle robot futbolu seçildi
Özet (Çeviri)
ABSTRACT REINFORCEMENT LEARNING USING POTENTIAL FIELD FOR ROLE ASSIGNMENT IN A MULTI-ROBOT TWO-TEAM GAME FİDAN, Özgül MSc, Department of Electrical and Electronic Engineering Supervisor: Prof. Dr. İsmet ERKMEN Co-Supervisor: Prof. Dr. Aydan ERKMEN December 2004, 75 pages In this work, reinforcement learning algorithms are studied with the help of potential field methods, using robosoccer simulators as test beds. Reinforcement Learning (RL) is a framework, for general problem solving where an agent, can learn through experience. The soccer game is selected as the problem domain a way of experimenting multi-agent team behaviors because of its popularity and complexity.
Benzer Tezler
- Multi-agent reinforcement learning using roles
Roller kullanarak çoklu-etmen takviye öğrenme
ERKİN ÇİLDEN
Yüksek Lisans
İngilizce
2001
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FARUK POLAT
- Etmenlerin iç modelini kullanarak çoklu etmenlerde bulanık takviyeli öğrenme
Fuzzy reinforcement learning in multi-agent systems using internal model of agents
ALPER KILIÇ
Yüksek Lisans
Türkçe
2002
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ.DR. AHMET ARSLAN
- Multi agent reinforcement learning using function approximation
Fonksiyon yaklaşımı kullanarak çoklu etmen takviye öğrenme
OSMAN ABUL
Yüksek Lisans
İngilizce
1999
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FARUK POLAT
- Using reinforcement learning for dynamic link sharing problems under signaling constants
Sinyalleşme kısıtlamaları altında dinamik link paylaşım problemlerinin güçlendirmeli öğrenme metoduyla çözülmesi
NURİ ÇELİK
Yüksek Lisans
İngilizce
2003
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NAİL AKAR
- Data-driven modeling using reinforcement learning in autonomous agents
Otonom birimlerde takviyeli öğrenme vasıtasıyla veri sürümlü modelleme
MURAT KARAKURT
Yüksek Lisans
İngilizce
2003
Makine Mühendisliğiİzmir Yüksek Teknoloji EnstitüsüMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SERHAN ÖZDEMİR