Back to search

National and Kapodistrian University of Athens

Χρήση Αρχιτεκτονικών Transformer και Ενισχυτικής Μάθησης με Μάθηση Μίμησης για το Πρόβλημα της Πολυπρακτορικής Εύρεσης Μονοπατιών

Abstract

dc:description

Το πρόβλημα της πολυπρακτορικής εύρεσης μονοπατιών προέκυψε από την ανάγκη των ερευνητών να λύσουν το πρόβλημα της μετακίνησης πολλαπλών ρομπότ σε μια αποθήκη, τον χειρισμό της εναέριας κυκλοφορίας και των τραίνων. Η ραγδαία ανάπτυξη της βαθιάς μάθησης οδήγησε στη χρήση νευρωνικών δικτύων και στη δημιουργία του τομέα της βαθιάς ενισχυτικής μάθησης. Μια σύγχρονη προσέγγιση που χρησιμοποιείται στο πρόβλημα της πολυπρακτορικής εύρεσης μονοπατιών είναι η χρήση βαθιάς ενισχυτικής μάθησης με μάθηση μίμησης για τον προγραμματισμό των πρακτόρων δυναμικά, αντί για τη χρήση κλασικών αλγορίθμων αναζήτησης, οι οποίοι θα πρέπει να εκτελούνται σε κάθε αλλαγή εμποδίων ή του αριθμού των πρακτόρων και μειονεκτούν σε περίπτωση περιορισμένου οπτικού πεδίου. Μια τέτοια προσέγγιση αποτελεί το PRIMAL, το οποίο αξιοποιεί τον αλγόριθμο A3C και χρησιμοποιεί πολλαπλά Convolutional Neural Networks (CNN) για την εξαγωγή πληροφορίας και LSTM για τη λήψη αποφάσεων. Εκτός από ενισχυτική μάθηση χρησιμοποιείται καθοδήγηση από ειδικό μέσω του αλγόριθμου ODRM*, κάθε πράκτορας καθοδηγείται από ένα διάνυσμα που δείχνει προς τον στόχο του, καθώς και γνωρίζει τη θέση των άλλων πρακτόρων μέσα στο οπτικό του πεδίο. Στην παρούσα διπλωματική εργασία αρχικά συγκρίνουμε την απόδοση των νευρωνικών αρχιτεκτονικών Multilayer Perceptron, LSTM, GRU, Transformer για το πρόβλημα του MAPF μέσω μιας απλοποιημένης εκδοχής του PRIMAL. Οι πειραματισμοί μας οδήγησαν στην ανάπτυξη ενός αλγοριθμικού πλαισίου το οποίο χρησιμοποιεί Transformer για τη λήψη αποφάσεων και επικοινωνία από τους πράκτορες μαζί με μάθηση μίμησης, χρησιμοποιώντας Cooperative A*, έτσι ώστε να λαμβάνει γρήγορη καθοδήγηση από ειδικό και να επιταχύνει την εκπαίδευση. Επιπρόσθετα, για τη βελτιστοποίηση του αλγορίθμου, μελετήσαμε την αλληλεπίδραση των διαφορετικών συναρτήσεων ανταμοιβής στους αλγορίθμους PPO και A2C με την αποτελεσματικότητα των πρακτόρων στο πρόβλημα.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • ΜΟΥΛΚΙΩΤΗΣ ΓΡΗΓΟΡΙΟΣ
  • MOULKIOTIS GRIGORIOS

Subjects

dc:subject × 2

Rights

Language dc:language
Ελληνικά, Greek

Identifiers

dc:identifier.*
Identifier
uoadl:5428603

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

ΜΟΥΛΚΙΩΤΗΣ ΓΡΗΓΟΡΙΟΣ; MOULKIOTIS GRIGORIOS. Χρήση Αρχιτεκτονικών Transformer και Ενισχυτικής Μάθησης με Μάθηση Μίμησης για το Πρόβλημα της Πολυπρακτορικής Εύρεσης Μονοπατιών. 2026. https://pergamos.lib.uoa.gr/uoa/dl/object/5428603