موفقیت محققان دانشگاه تهران درتوسعه نسل جدید سامانه های هوشمند
به گزارش شمال صنعت، محققان دانشگاه تهران با عرضه روشی توزیع شده در یادگیری تقویتی چندعامله، آموزش و تصمیم گیری مستقل عامل های هوشمند را در مسایل پیچیده ممکن کردند.
به گزارش شمال صنعت به نقل از دانشگاه تهران، محققان دانشکدگان فنی دانشگاه تهران با ارایه یک روش جدید و توزیع شده در حوزه یادگیری تقویتی چندعامله، امکان آموزش و تصمیم گیری مستقل عامل های هوشمند را در مسایل پیچیده و دارای قیود تداخلی مشترک فراهم کردند؛ دستاوردی که می تواند زمینه ساز توسعه سامانه های هوشمند چندعاملی در حوزه هایی مانند رباتیک، شبکه های هوشمند انرژی، حمل و نقل و اقتصاد محاسباتی باشد.
این مقاله با عنوان «A Distributed Primal-Dual Method for Constrained Multi-Agent Reinforcement Learning With General Parameterization» به قلم علی کاهه دانش آموخته رتبه اول کارشناسی ارشد مهندسی برق دانشگاه تهران و حامد کبریایی استاد و عضو هیات علمی دانشکدگان فنی دانشگاه تهران، در سال ۲۰۲۶ در نشریه معتبر IEEE Transactions on Automatic Control انتشار یافته است. این مجله با شاخص اعتبار علمی SJR=۳.۹۲۹، در جدید ترین رتبه بندی پایگاه استنادی SCImago، جایگاه نخست را در بین ۳۸۲ نشریه بین المللی حوزه سیستم و کنترل به خود مختص کرده است.
این پژوهش به ارایه روشی نوین برای حل مسایل یادگیری تقویتی چندعامله مقیدشده (Constrained Multi-Agent Reinforcement Learning) می پردازد. در خیلی از سامانه های هوشمند، مجموعه ای از عامل ها (Agents) باید به شکل همزمان و مستقل تصمیم گیری کنند و با این حال به اهداف مشترکی دست یابند. اغلب روشهای موجود برای آموزش این عامل ها به یک واحد کنترل کننده مرکزی یا هماهنگی متمرکز نیاز دارند که اجرای آنها را در محیط های واقعی و مقیاس بزرگ با محدودیت مواجه می کند. محققان دانشگاه تهران در این مطالعه، روشی بطورکامل توزیع شده ارایه کرده اند که در آن هر عامل تنها با بهره گیری از اطلاعات محلی خود و عامل های همسایه، قادر به یادگیری و تصمیم گیری است.
این روش مبتنی بر الگوریتم «اولیه دوگان (Primal-Dual)» و ساختار «Actor-Critic» طراحی شده و به عامل های هوشمند اجازه می دهد ضمن رعایت محدودیت های مشترک سیستم، به شکل آنلاین و مستقل پروسه یادگیری را انجام دهند. همین طور محققان نشان داده اند که متغیرهای دوگان یا ضرایب لاگرانژ میان عامل ها به اجماع می رسند و الگوریتم پیشنهادی از لحاظ، نظری به یک نقطه تعادل همگرا می شود.
از خاصیت های مهم این تحقیق، امکان استفاده از سیاستهای پارامتری عمومی در محیط های با فضای حالت بزرگ است که قابلیت کاربرد آنرا در مسایل پیچیده دنیای واقعی می افزاید. بعلاوه، عملکرد الگوریتم در یک مدل مشارکتی و پویای بازی اقتصادی «کورنو» مورد ارزیابی قرار گرفته و نتایج، کار آمدی روش پیشنهادی را در شرایط پیچیده و تصادفی تأیید کرده است.
یادگیری تقویتی چندعامله یکی از مهم ترین شاخه های هوش مصنوعی بشمار می رود و کاربردهای گسترده ای در حوزه هایی نظیر رباتیک، کنترل شبکه های هوشمند برق، مدیریت ترافیک شهری، سامانه های خودران و مدل سازی بازارهای اقتصادی دارد. ارایه روشهای توزیع شده و مقیاس پذیر در این زمینه می تواند نقش برجسته ی در توسعه نسل جدید سامانه های هوشمند و خودمختار ایفا کند.
منبع: flybazar.ir
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب