Return to search

Simulering av medeldistanslöpning med artificiella neuronnät och belöningsbaserad inlärning

<p>Syftet med arbetet är att simulera tävlingar på medeldistans mellan löpare med en strategi att vinna och undvika muskeltrötthet. Löparna ses som agenter vars strategi realiseras med ett artificiellt neuronnät (ANN) som med sensorer, avstånd till mål och agentens trötthet beräknar bidragande kraft och styrriktning. Agentens ANN tränas med en belöningsbaserad inlärning baserad på genetiska algoritmer och trötthetsalgoritmen är en uppskattning av hur mjölksyra påverkar muskeltrötthet.</p><p>Resultaten visar att av alla agenter som utvecklats för tävling mot klockan i s.k. time trial har alla haft samma strategi och hittat samma ideala kraft för att minimera tiden. Utvecklingen av agenter för simulation av flera agenter samtidigt har varit mer komplicerad eftersom agenterna påverkar varandra och agenternas strategi har varit olika. Multiagenterna blev också mindre robusta än singelagenterna men utvecklade beteenden som påminner om en realistisk tävling i medeldistanslöpning.</p>

Identiferoai:union.ndltd.org:UPSALLA/oai:DiVA.org:his-1107
Date January 2008
CreatorsBengtsson, Per
PublisherUniversity of Skövde, School of Humanities and Informatics, Skövde : Institutionen för kommunikation och information
Source SetsDiVA Archive at Upsalla University
LanguageSwedish
Detected LanguageSwedish
TypeStudent thesis, text

Page generated in 0.0019 seconds