روش یادگیری مشارکتی بر اساس اتوماتای یادگیری سلولی و کاربرد آن در بهینه سازی

مقاله روش یادگیری مشارکتی بر اساس اتوماتای یادگیری سلولی در بهینه سازی

مقاله A cooperative learning method based on cellular learning automataand its application in optimization problems

در این پست ترجمه مقاله روش یادگیری مشارکتی بر اساس اتوماتای یادگیری سلولی و کاربرد آن در بهینه سازی را برای شما دوستان آماده کردیم که علاوه بر چکیده و مقدمه می توانید خود مقاله اصلی را به طور کاملا رایگان دانلود بفرمایید.

چکیده مقاله

در این مقاله، یک روش یادگیری تقویتی جدید با الهام از نحوه ی یادگیری انسان ها از دیگران، ارائه می شود. این روش بر اساس اتوماتای یادگیری سلولی که با یک طراحی مدولار و تکنیک های همکاری مشخص می شود توسعه می یابد. طراحی مدولار، انعطاف پذیری، قابلیت استفاده مجدد، و کاربردی بودن را در طیف گسترده ای از مسائل تا روش به همراه دارد. در این مقاله بر تحلیل حساسیت پارامتر های این روش و کاربردی بودن در مسائل بهینه سازی تمرکز می شود. نتایج آزمایش ها توجیه می کنند که روش جدید، به خاطر استفاده از تکنیک به اشتراک گذاری دانش، منطق کاوش معقول، و قوانین یادگیری مبتنی بر روند اقدام، بهتر از روش های مشابه عمل می کند.

مقدمه

یادگیری ماشین، در مورد طراحی الگوریتم ها و تکنیک هایی است که عوامل هوشمند توسط آنها به طور خودکار اقدام بهینه برای یک مسئله را با استفاده از داده های موجود یاد می گیرند. این تکنیک ها در مسائل پیچیده ای که فضای آنها کاملا در دسترس یا قابل پیش بینی نیست بسیار مفید هستند. تکنیک های یادگیری ماشین در سه دسته ی اصلی قرار می گیرند. این سه دسته عبارتند از یادگیری نظارت شده، یادگیری بدون نظارت، و یادگیری تقویتی، در مورد تکنیک های یادگیری نظارت شده، مجموعه ای از داده های آموزشی وجود دارد که راه حل های آنها موجود هستند و یادگیرنده سعی می کند یک تابع را از داده های آموزشی استنتاج کند تا داده های نهان را با دقت بالا نگاشت نماید. در تکنیک های یادگیری بدون نظارت، هیچ مجموعه داده آموزشی وجود ندارد و یادگیرنده تلاش می کند با تحلیل ویژگی های مختلف داده ها، ساختار های پنهان را بیابد. تکنیک های یادگیری تقویتی که در روش ما وجود دارند، از روانشناسی رفتارگرایی الهام گرفته شده اند. در این تکنیک ها عامل ها تلاش می کنند بفهمند فقط با تعامل، چطور به طور کارآمد در یک محیط عمل نمایند. با هر اقدامی که یک عامل انجام می دهد، محیط یک سیگنال تقویتی را به عامل ارسال می کند.

چکیده انگلیسی

In this paper, a novel reinforcement learning method inspired by the way humans learn from others ispresented. This method is developed based on cellular learning automata featuring a modular designand cooperation techniques. The modular design brings flexibility, reusability and applicability in a widerange of problems to the method. This paper focuses on analyzing sensitivity of the method’s parametersand the applicability in optimization problems. Results of the experiments justify that the new methodoutperforms similar ones because of employing knowledge sharing technique, reasonable explorationlogic, and learning rules based on the action trajectory.

منبع : sciencedirect.com