prikaz prve stranice dokumenta Minimizacija ukupne prijeđene udaljenosti od početne do odredišne lokacije pomoću potpornog učenja
No public access
master's thesis
Minimizacija ukupne prijeđene udaljenosti od početne do odredišne lokacije pomoću potpornog učenja
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. urn:nbn:hr:168:376061
Petak, Martina
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Petak, M. (2018). Minimizacija ukupne prijeđene udaljenosti od početne do odredišne lokacije pomoću potpornog učenja (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:376061

Petak, Martina. "Minimizacija ukupne prijeđene udaljenosti od početne do odredišne lokacije pomoću potpornog učenja." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. https://urn.nsk.hr/urn:nbn:hr:168:376061

Petak, Martina. "Minimizacija ukupne prijeđene udaljenosti od početne do odredišne lokacije pomoću potpornog učenja." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. https://urn.nsk.hr/urn:nbn:hr:168:376061

Petak, M. (2018). 'Minimizacija ukupne prijeđene udaljenosti od početne do odredišne lokacije pomoću potpornog učenja', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 21 June 2024, https://urn.nsk.hr/urn:nbn:hr:168:376061

Petak M. Minimizacija ukupne prijeđene udaljenosti od početne do odredišne lokacije pomoću potpornog učenja [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2018 [cited 2024 June 21] Available at: https://urn.nsk.hr/urn:nbn:hr:168:376061

M. Petak, "Minimizacija ukupne prijeđene udaljenosti od početne do odredišne lokacije pomoću potpornog učenja", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2018. Available at: https://urn.nsk.hr/urn:nbn:hr:168:376061

Metadata
TitleMinimizacija ukupne prijeđene udaljenosti od početne do odredišne lokacije pomoću potpornog učenja
Title (english)Minimizing Total Driven Distance from Source to Destination Using Reinforcement Learning
AuthorMartina Petak
MentorMarin Šilić (mentor)
Committee memberMarin Šilić (predsjednik povjerenstva)
Committee memberSiniša Srbljić (član povjerenstva)
Committee memberGoran Delač (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2018-07-18, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Minimizacija cijene puta pogodna je situacija za primjenu metoda potpornog učenja. Iz tog razloga, ovaj projekt predstavlja jedno moguće rješnje na takav problem u dinamičkim uvjetima. Za simuliranje epizoda korišten je SUMO alat, a za upravljanje i implementaciju sustava korišten je Python jezik. Odabrani algoritam učenja je Watkinsov Q(λ) kao algoritam vremenske razlike učenja s tragovima pouzdanosti, a kao strategija istraživanja implementirana su dva pristupa. Epsilon-pohlepni pristup s vjerojatnošću ε poduzima nasumične akcije, dok Boltzmanov pristup modelira vjerojatnost Boltzmanovom distribucijom kako bi balansirao između istraživanja i iskorištavanja znanja. Evaluacija algoritma otkiva da se agenta može naučiti snalaženju u prometu, što se očituje u povećanju kumulativne nagrade i smanjenju pogrešaka RMSE i MAE.
Abstract (english)
Travel cost minimisation is a convenient situation for applying reinforcement learning methods. For this reason, this project represents one possible solution to this problem in dynamical conditions. The SUMO tool was used to simulate the episodes, and the Python language was used to manage and implement the system. The chosen learning algorithm is Watkins’s Q(λ) as a temporal difference learning algorithm with eligibility traces, and two approaches have been implemented as a research strategy. Epsilon-greedy approach with probability ε takes random action, while Boltzman approach models the probability with Boltzman's distribution to balance between exploration and exploitation of knowledge. Evaluation of the algorithm discloses that the agent can be learned to operate in traffic environment, as the increment in accumulated reward and reduction in errors RMSE and MAE can be noticed.
Keywords
Keywords (english)
Languageenglish
URN:NBNurn:nbn:hr:168:376061
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2019-03-13 23:53:15