Research indexJournal article
Ημιμαρκοβιανές αμοιβές με αλγορίθμους ενισχυτικής μάθησης
Τζώτζης
Aristotle University of Thessaloniki1 Jan 2022Open access
NobleIDark:/48914/w1/20260522/FD8B5A17DOI10.26262/heal.auth.ir.338955
Ημιμαρκοβιανές αμοιβές με αλγορίθμους ενισχυτικής μάθησης
Τζώτζης · Aristotle University of Thessaloniki · 2022
NobleIDark:/48914/w1/20260522/FD8B5A17DOI10.26262/heal.auth.ir.338955
Free to read at the publisher
You can read the abstract here, or the full text at the publisher.
Abstract
Οι Ημιμαρκοβιανές διαδικασίες αποφάσεων αποτελούν μια αρκετά δημοφιλή τεχνική βελτιστοποίησης προβλημάτων. Στην παρούσα εργασία παρουσιάζουμε και συγκρίνουμε τρείς αλγόριθμους εύρεσης της βέλτιστης πολιτικής και λύσης μίας Ημιμαρκοβιανής διαδικασίας αμοιβών σε χρόνο διακριτό. Ο πρώτος αλγόριθμος είναι ο κλασσικός αλγόριθμος μίας Ημιμαρκοβιανής διαδικασίας αποφάσεων και οι άλλοι δύο είναι οι αλγόριθμοι βελτιστοποίησης ενισχυτικής μάθησης SARSA και Q-Learning. Οι αλγόριθμοι εφαρμόζονται σε ένα πρόβλημα συντήρησης μηχανήματος το οποίο μπορεί να είναι είτε καινούριο, είτε μεταχειρισμένο με τρεις εναλλακτικές πολιτικές συντήρησης (1: σχολαστικός έλεγχος και προληπτική επισκευή, 2: τυπικός έλεγχος και επισκευή, 3: τυπικός έλεγχος και αναγκαία μόνο επισκευή). Ως χρονική μονάδα ορίζεται ο μήνας και ο κύκλος των επαναλήψεων φτάνει έως και τα δύο έτη. Η σύγκριση των αλγορίθμων έγινε ως προς την πολυπλοκότητα με χαρακτηριστικά το χρόνο και τη μνήμη και το βασικό συμπέρασμα που προέκυψε είναι ότι οι αλγόριθμοι ενισχυτικής μάθησης υπερέχουν του κλασσικού αλγόριθμου. Σε ότι αφορά τη βέλτιστη πολιτική, η σύγκριση δεν έδειξε σημαντικές διαφοροποιήσεις