| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Intelektuālas robotizētas sistēmas |
| Nosaukums |
Aģentu sadarbības veicināšana vairāku aģentu stimulētās mācīšanas vidē |
| Nosaukums angļu valodā |
Agent Cooperation Enhancement in Multi Agent Reinforcement Learning |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Kārlis Berkolds |
| Recenzents |
Egons Lavendelis |
| Anotācija |
Šajā darbā tiek pētīta cilvēkam līdzīgas sadarbības veidošana starp vairākiem aģentiem, izmantojot stimulētās mācīšanās pieejas (Multi-Agent Reinforcement Learning). Pētījuma mērķis ir izprast, kā dažādas metodes, stratēģijas un atlīdzības var veicināt koordinētu un dabisku aģentu sadarbību sarežģītās un dinamiskās vidēs, kas imitē reālās pasaules situācijas, piemēram, sporta spēles.
Lai to panāktu, tiek izstrādāta pielāgojama sporta spēļu vide, izmantojot Unity ML-Agents platformu, kur tiek ieviestas definētas atlīdzības funkcijas un mehānismi, kas veicina sadarbību. Uzsvars tiek likts uz aģentu spējām koordinēties, kopīgi veidot stratēģijas un pieņemt lēmumus, kas atbilst cilvēkam līdzīgai komandas uzvedībai. Algoritmi tiek izmantoti kā rīki, lai analizētu sadarbības veidošanās procesus un to efektivitāti.
Darbs sniedz ieskatu par galvenajiem faktoriem, kas ietekmē veiksmīgu sadarbību starp aģentiem, un piedāvā risinājumus, kā attīstīt dabisku un stratēģisku mijiedarbību dažādos multi-aģentu scenārijos. |
| Atslēgas vārdi |
Aģentu sadarbība stimulētā mācīšana |
| Atslēgas vārdi angļu valodā |
Multi agent reinforcement learning cooperation |
| Valoda |
lv |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
27.05.2025 23:54:52 |
