20.500.12556/RUL-130047 Večagentno spodbujevalno učenje za krmiljenje simuliranega sistema za stisnjen zrak Multi-agent reinforcement learning for controlling a simulated compresed air system Algoritmi umetne inteligence so v zadnjih letih močno napredovali s sposobnostjo reševanja kompleksnih problemov. Prve aplikacije te tehnologije so začele nastajati v svetu računalništva in teorije iger. Z razvojem tehnologije pa se je uporaba hitro razširila tudi na druga področja - med drugim na področje robotike in krmilnih sistemov. Vprašanje je, ali se lahko z novim pristopom umetne inteligence približamo uporabnosti konvencionalnih metod krmiljenja obsežnih sistemov za stisnjen zrak. V zaključni nalogi je predstavljena izdelava simulacijskega modela, testiranje simulacijskega modela s primerjavo z realnim sistemom, integracija spodbujevalnega učenja s simulacijskim modelom in obravnavo parametrov spodbujevalnega učenja v sistemu. Z učenjem pridobljena strategija je bila primerjana s konvencionalno metodo krmiljenja in ugotovljeno je bilo, da je učena strategija celo bolj uspešna. Artificial intelligence algorithms have made great strides in recent years with the ability to solve complex problems. The first applications of this technology began to emerge in the world of computer science and game theory. As technology evolved, the use has rapidly spread to other areas - including robotics and control systems. The question arises whether the new AI approach can bring us closer to usefulness of conventional methods of controlling large-scale compressed air systems. This thesis presents the production of a simulation model, testing of the simulation model with comparison to the real system, the integration of reinforcement learning with the simulation model and the analysis of the parameters of reinforcement learning in the system. The learned policy was compared with conventional method which proved the learned policy to be more successful. umetna inteligenca spodbujevalno učenje večagentno učenje simulacija krmilni sistemi sistemi za stisnjen zrak artificial intelligence reinforcement learning multi-agent learning simulation control systems compressed air systems true false false [L. Kovač] Slovenski jezik Angleški jezik Zaključna naloga 2021-09-10 08:31:38 2021-09-10 08:31:39 2022-09-09 04:14:32 0000-00-00 00:00:00 2021 0 Ljubljana 0 XIII, 44 str. 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 1970-01-01 004.85:004.94:681.5(043.2) 233457 84374531 10450.pdf 10450.pdf 1 C995CEF18817109EDA710491D6DB9FB3 a178baef860c45ceeb6069205893586465308942c13b204c911d742966ebc1f3 81f8e32c-1200-11ec-a523-00155dcfd717 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=147098 Fakulteta za strojništvo 0 0 0