Primerjava algoritmov spodbujevalnega učenja na simulaciji parkiranja avtomobila

KRIŽMAN, KRISTJAN (avtor), Žabkar, Jure (mentor)

Primerjajte algoritma spodbujevanega učenja DQN in DDPG v danem simulacijskem okolju za parkiranje avtomobila. Znotraj omejitev simulatorja lahko spreminjate opise stanj in akcij tako, da bodo primerni za dana algoritma. Uporabite lahko obstoječe implementacije algoritmov ali razvijete svoje. Poročajte o uspešnosti obeh algoritmov, časovni zahtevnosti in njuni občutljivosti na začetne parametre.

• Jezik: Slovenski jezik
• Ključne besede: računalnik, strojno učenje, simulacija, igra, avtomobil, učenje
• Vrsta gradiva: Diplomsko delo/naloga
• Tipologija: 2.11 - Diplomsko delo
• Organizacija: FRI - Fakulteta za računalništvo in informatiko
• Leto izida: 2022
• PID: 20.500.12556/RUL-135581
• COBISS.SI-ID: 102689027
• Datum objave v RUL: 21.03.2022

KRIŽMAN, KRISTJAN, 2022, Primerjava algoritmov spodbujevalnega učenja na simulaciji parkiranja avtomobila [na spletu]. Diplomsko delo. [Dostopano 4 maj 2025]. Pridobljeno s: https://repozitorij.uni-lj.si/IzpisGradiva.php?lang=slv&id=135581

Sekundarni jezik

• Jezik: Angleški jezik
• Naslov: Comparison of two reinforcement learning algorithms in a car parking simulator

Izvleček

Compare the DQN and DDPG reinforcement learning algorithms in a given car parking simulation environment. You may change the descriptions of states and actions within the limits of the simulator, to suit the given algorithm. Use existing implementations or develop your own. Report on the performance of both algorithms, their time complexity and their sensitivity to initial parameters.

• Ključne besede: computer, machine learning, simulation, game, car, učenje