선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 【4][6][7]. 그러나 본 논문에서는 기존의 단일 에이전트가 학습할 때 발생하는 문제점과 다중 에이전트 환경에서 각 에이전트들이 서로 다른 환경에 존재할 때 나타나는 문제점을 해결하기 위해 편집거리를 사용한 ED+Q-Learning 시스템을 제안하였다. 제안한 ED+Q-Learning 시스템은 다중 환경에 위치하는 에이전트들 간에 학습정보를 사용하기 위해 편집거리로 에이전트간의 유사도롤 측정하고 유사한 에이전트의 정보룔 Q-Leaming에 이용할 수 있도록 하였匚卜.
- 본 논문에서는 ED+Q-Leaning 시스템의 타당성을 증명하기 위해 서로 다른 조건이지만 같은 크기의 환경에 에이전트를 위치시키고 각각 특정 횟수의 학습을 수행한다. 학습을 수행한 후 학습정보를 학습하지 않은 에이전트와 ED+Q-Learning을 함으로써 학습을 하지 않은 에이전트가 학습정보를 통해 자신과 유사한 환경을 찾아내는가에 대해서 실험을 하였다.
- 본 논문에서는 기존에 두 개의 문자열을 비교할 때 사용했던 편집거리를 사용하여 다중 환경에 존재하는 에이전트들 중 자신과 유사한 환경에 위치한 에이전트롤 찾고 유사한 에이전트의 학습정보를 홢용함으로써 학습속도 향상을 고려한 시스템을 제안하고 있다.
- 본 논문에서는 다중 환경에 에이전트들이 존재할 때 Q-Leaming의 문제점을 해결하기 위한 하나의 시스템으로 여러 에이전트 중 유사한 환경에 존재하는 에이전트의 정보를 활용하기 위해 편집거리를 사용하여 유사한 에이전트를 검색하고 그 정보를 Q-Leaming에 활용함으로써 학습속도 향상에 중점을 둔 ED+Q-Learning 시스템을 제안한다.
- 학습을 수행한 후 학습정보를 학습하지 않은 에이전트와 ED+Q-Learning을 함으로써 학습을 하지 않은 에이전트가 학습정보를 통해 자신과 유사한 환경을 찾아내는가에 대해서 실험을 하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.