Thiết Kế và Ứng Dụng Phương Pháp Học Tăng Cường Tiến Hóa cho Điều Khiển Liên Tục

Khóa luận trình bày thiết kế và ứng dụng phương pháp học tăng cường tiến hóa cho bài toán điều khiển liên tục trong khoa học máy tính.

Chuyên ngành

Công Nghệ Thông Tin

Người đăng

Ẩn danh

Thể loại

Khóa Luận Tốt Nghiệp

2021

70
3
0

Phí lưu trữ

30 Point

Mục lục chi tiết

LỜI MỞ ĐẦU

1. CHƯƠNG 1: INTRODUCTION

1.1. Introduction

1.2. Continuous control problem

1.3. Applications

1.4. Challenges and open problems

1.5. Our contributions

1.6. Structure of thesis

2. CHƯƠNG 2: BACKGROUND

2.1. Policy Search

2.2. Stochastic policy and deterministic policy

2.3. Deterministic Policy Gradient (DPG) Theorem

2.4. Actor-Critic architecture

2.5. On policy algorithm vs off policy algorithm

2.6. Twin Delayed Deep Deterministic Policy Gradient (TD3)

2.7. Soft Actor-Critic

2.8. Cross Entropy Method (CEM)

3. CHƯƠNG 3: PROPOSING METHODS

3.1. Mujoco Continuous Control Benchmark

3.2. Comparison with previous works

BIBLIOGRAPHY

Tóm tắt

I. Tổng quan về Phương Pháp Học Tăng Cường Tiến Hóa

Phương pháp học tăng cường tiến hóa (ERL) đang trở thành một trong những xu hướng nổi bật trong lĩnh vực trí tuệ nhân tạo, đặc biệt là trong bài toán điều khiển liên tục. ERL kết hợp giữa học tăng cườngtính toán tiến hóa, giúp cải thiện hiệu suất của các tác tử AI trong môi trường phức tạp. Bài viết này sẽ khám phá các khái niệm cơ bản và tầm quan trọng của ERL trong việc giải quyết các bài toán điều khiển.

1.1. Khái niệm cơ bản về Học Tăng Cường

Học tăng cường là một phương pháp học máy cho phép các tác tử AI học hỏi từ môi trường thông qua việc tối đa hóa một hàm phần thưởng. Điều này giúp tác tử phát triển khả năng ra quyết định trong các tình huống không chắc chắn.

1.2. Tính toán Tiến Hóa trong Học Tăng Cường

Tính toán tiến hóa là một phương pháp tối ưu hóa dựa trên nguyên lý chọn lọc tự nhiên. Khi kết hợp với học tăng cường, nó giúp cải thiện khả năng khám phá và khai thác của các tác tử AI, từ đó nâng cao hiệu suất trong các bài toán điều khiển.

II. Thách thức trong Điều Khiển Liên Tục và Học Tăng Cường

Điều khiển liên tục là một trong những thách thức lớn trong lĩnh vực học máy. Các tác tử AI thường gặp khó khăn trong việc tối ưu hóa hành động của mình trong môi trường có nhiều biến động và nhiễu. Việc thiết lập các siêu tham số cũng ảnh hưởng lớn đến hiệu suất của các thuật toán học tăng cường.

2.1. Vấn đề Nhiễu trong Môi Trường

Môi trường có nhiều nhiễu có thể làm giảm hiệu suất của các thuật toán học tăng cường. Điều này đòi hỏi các phương pháp mới để cải thiện khả năng chống chịu của các tác tử AI.

2.2. Khó Khăn trong Việc Thiết Lập Siêu Tham Số

Việc thiết lập siêu tham số là một thách thức lớn trong học tăng cường. Các tham số không phù hợp có thể dẫn đến hiệu suất kém, do đó cần có các phương pháp tự động hóa trong việc tối ưu hóa chúng.

III. Phương Pháp Học Tăng Cường Tiến Hóa cho Điều Khiển Liên Tục

Phương pháp học tăng cường tiến hóa (ERL) đã được chứng minh là một giải pháp hiệu quả cho các bài toán điều khiển liên tục. Bằng cách kết hợp các thuật toán học tăng cường với các phương pháp tính toán tiến hóa, ERL giúp cải thiện khả năng học hỏi của các tác tử AI.

3.1. Cách Thức Hoạt Động của ERL

ERL hoạt động bằng cách sử dụng các thuật toán tiến hóa để tối ưu hóa chính sách của tác tử AI. Điều này cho phép tác tử khám phá các hành động mới mà không cần phải dựa vào dữ liệu huấn luyện trước.

3.2. Lợi Ích của Việc Kết Hợp ERL với Học Tăng Cường

Kết hợp ERL với học tăng cường mang lại nhiều lợi ích, bao gồm khả năng khám phá tốt hơn và hiệu suất ổn định hơn trong các bài toán điều khiển phức tạp.

IV. Ứng Dụng Thực Tiễn của Phương Pháp ERL

Phương pháp học tăng cường tiến hóa đã được áp dụng trong nhiều lĩnh vực khác nhau, từ robot tự hành đến các trò chơi điện tử. Những ứng dụng này cho thấy tiềm năng to lớn của ERL trong việc giải quyết các bài toán thực tế.

4.1. Robot Tự Hành

ERL có thể được sử dụng để huấn luyện robot tự hành, giúp chúng học hỏi từ môi trường và cải thiện khả năng thực hiện các nhiệm vụ phức tạp.

4.2. Trò Chơi Điện Tử

Trong ngành công nghiệp game, ERL được áp dụng để phát triển các nhân vật không người chơi (NPC) có khả năng phản ứng và thích ứng với hành vi của người chơi.

V. Kết Luận và Tương Lai của Phương Pháp Học Tăng Cường Tiến Hóa

Phương pháp học tăng cường tiến hóa đang mở ra nhiều cơ hội mới trong lĩnh vực trí tuệ nhân tạo. Với những cải tiến liên tục, ERL hứa hẹn sẽ trở thành một công cụ mạnh mẽ trong việc giải quyết các bài toán điều khiển phức tạp trong tương lai.

5.1. Tương Lai của ERL

Tương lai của ERL rất hứa hẹn với nhiều nghiên cứu đang diễn ra nhằm cải thiện hiệu suất và khả năng ứng dụng của phương pháp này trong các lĩnh vực khác nhau.

5.2. Những Thách Thức Cần Giải Quyết

Mặc dù ERL có nhiều tiềm năng, nhưng vẫn còn nhiều thách thức cần phải giải quyết, bao gồm việc tối ưu hóa siêu tham số và cải thiện khả năng chống nhiễu trong môi trường.

10/07/2025
Khóa luận tốt nghiệp khoa học máy tính thiết kế và ứng dụng các phương pháp học tăng cường tiến hóa cho bài toán điều khiển liên tục

Trích đoạn nội dung tài liệu

VIETNAM NATIONAL UNIVERSITY - HO CHI MINH CITY UNIVERSITY OF INFORMATION TECHNOLOGY FACULTY OF COMPUTER SCIENCE NGUYEN TRUNG HIEU TRAN DINH KHANG BACHELOR THESIS DESIGN AND APPLICATION OF EVOLUTIONARY REINFORCEMENT LEARNING METHODS FOR CONTINUOUS CONTROL BACHELOR OF SCIENCE IN COMPUTER SCIENCE HO CHI MINH CITY, 2021 VIETNAM NATIONAL UNIVERSITY - HO CHI MINH CITY UNIVERSITY OF INFORMATION TECHNOLOGY FACULTY OF COMPUTER SCIENCE NGUYEN TRUNG HIEU - 18520750 TRAN DINH KHANG -18520072 BACHELOR THESIS DESIGN AND APPLICATION OF EVOLUTIONARY REINFORCEMENT LEARNING METHODS FOR CONTINUOUS CONTROL BACHELOR OF SCIENCE IN COMPUTER SCIENCE SUPERVISOR DR. LUONG NGOC HOANG HO CHI MINH CITY, 2021 ĐẠI HOC QUỐC GIA TP. HỒ CHÍ MINH CONG HÒA XÃ HỘI CHỦ NGHĨA VIỆT TRƯỜNG ĐẠI HỌC NAM CÔNG NGHỆ THÔNG TIN Độc Lập - Tự Do - Hạnh Phúc TP. NHẬN XÉT KHÓA LUẬN TỐT NGHIỆP (CÁN BỘ HƯỚNG DẪN) Tên khóa luận: DESIGN AND APPLICATION OF EVOLUTIONARY REINFORCEMENT LEARNING METHODS FOR CONTINUOUS CONTROL Nhóm SV thực hiện: Cán bộ hướng dẫn: Nguyễn Trung Hiếu - 18520750 TS.

Lương Ngọc Hoàng Trần Đình Khang - 18520072 Đánh giá Khóa luận 1. Về cuốn báo cáo: Số trang Số chương Số bảng số liêu Số hình vẽ Số tài liêu tham khảo Sản phẩm 2. Về nôi dung nghiên cứu: (KýNtgêưnờviàhậrõxọétên) ĐẠI HOC QUỐC GIA TP. HỒ CHÍ MINH CONG HÒA XÃ HỘI CHỦ NGHĨA VIỆT TRƯỜNG ĐẠI HỌC NAM CÔNG NGHỆ THÔNG TIN Độc Lập - Tự Do - Hạnh Phúc TP.

NHẬN XÉT KHÓA LUẬN TỐT NGHIỆP (CÁN BỘ PHẢN BIỆN) Tên khóa luận: DESIGN AND APPLICATION OF EVOLUTIONARY REINFORCEMENT LEARNING METHODS FOR CONTINUOUS CONTROL Nhóm SV thực hiện: Cán bộ phản biện: Nguyễn Trung Hiếu - 18520750 Trần Đình Khang - 18520072 Đánh giá Khóa luận 1. Về cuốn báo cáo: Số trang Số chương Số bảng số liêu Số hình vẽ Số tài liệu tham khảo Sản phẩm 2. Về nôi dung nghiên cứu: 3. Về chương trình ứng dụng: 4.Vềtháiđôlàmvécủasinhvê: (KýNtgêưnờviàhậrõxọétên) ĐẠI HỌC QUỐC GIA TP.

HỒ CHÍ MINH CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC Độc Lập - Tự Do - Hạnh Phúc CÔNG NGHỆ THÔNG TIN DE CƯƠNG CHI TIẾT TÊN ĐỀ TÀI: THIẾT KẾ VÀ ỨNG DỤNG CÁC PHƯƠNG PHÁP HỌC TĂNG CƯỜNG TIẾN HÓA CHO BÀI TOÁN ĐIỀU KHIỂN LIÊN TỤC Cán bộ hướng dẫn: TS. Lương Ngọc Hoàng Thời gian thực hiện: Từ ngày 1/08/2021 đến ngày 30/12/2021 Sinh viên thực hiện: Nguyễn Trung Hiếu - 18520750 Trần Đình Khang - 18520072 Nội dung đề tài: A. Mô tả bài toán: Bài toán điều khiển là bài toán thiết kế một bộ điều khiến (controller) để một tác tử (agent) AI thực hiện các hành động thích hợp tại các tình huống khác nhau sao cho đạt được kết quả sau cùng là tốt nhất có thể. Tác tử thường phải hoàn thành hiệu quả một tác vụ mong muốn thông qua việc tối đa hóa một hàm phần thưởng (reward function).

Khác với Học có giám sát, tác tử AI không được biết trước là nên thực hiện hành động nào ở mỗi trạng thái (không có dữ liệu huấn luyện) mà cần phải học các thông tin này thông qua việc tương tác với môi trường. Tác tử phải thử nghiệm thực hiện các hành động khác nhau, và môi trường sẽ trả về các tín hiệu cho biết trạng thái mới của tác tử sau khi thực hiện mỗi hành động. Bộ điều khiển (controller) cho các tác tử AI có thể được thiết kế bằng các mạng neural. Các mạng neural này thường được huấn luyện bằng các thuật toán Học tăng cường (reinforcement learning - RL).

Tuy nhiên, các thuật toán RL có một số nhược điểm về hiệu suất trong môi trường có nhiều nhiễu (noise) và chịu ảnh hưởng rất lớn từ việc thiết lập các siêu tham số (hyperparameters). Hiện nay, một số nghiên cứu state-of-the-art thử nghiệm kết hợp các phương pháp Tính toán tiến hóa (evolutionary computation - EC) với Học tăng cường để giúp khắc phục các nhược điểm trên. Đối tượng và phạm vi nghiên cứu: Khóa luận nghiên cứu các phương pháp Học tăng cường tiến hóa (evolutionary reinforcement learning - ERL) để huấn luyện mạng neural của các tác tử AI trong bài toán điều khiển. Khóa luận tập trung vào lớp các bài toán điều khiển có không gian hành động liên tục.

Mục tiêu: + Tim hiểu tổng quan về bài toán điều khiển và điều khiển liên tục. * So sánh đánh giá các nhóm phương pháp phổ biến hiện nay: Tính toán tiến hóa (evolutionary computation - EC), Học tăng cường (reinforcement learning - RL), và Học tăng cường tiến hóa (evolutionary reinforcement leaming - ERL). + Thiết kế và thực nghiệm một số phương pháp cải tiến hiệu suất của các phương pháp ERL hiện tại. Phương Pháp thực hiện: Nội dung 1: Khảo sát nhóm thuật toán Học tăng cường tiến hóa cho bài toán điều khiển với không gian hành động liên tục Phương pháp thực hiện: Cài đặt và chạy thí nghiệm so sánh các phương pháp Học tăng cường tiến hóa được công bố gần đây.

Sử dụng các tác vu trong bộ công cụ Mujoco để đánh giá hiệu suất. Phân tích ưu khuyết điểm của các phương pháp này. Nội dung 2: Đề xuất phương pháp cải thiện hiệu suất thuật toán Phương pháp thực hiện: Với kết quả từ nội dung 1 tiến hành đề ra các phương pháp cải thiện hiệu suất của các thuật toán Học tăng cường tiến hóa. Kết quả mong đợi: * Bao cáo phân tích, so sánh các phương pháp Hoc tăng cường tiến hóa hiện nay.

* Bao cáo và kết quả thực nghiệm của các phương pháp cải thiện hiệu suất. Kế hoạch thực hiện: * - Nội dung 1: tháng 8-9 năm 2021 * - Nội dung 2: tháng 10-11 năm 2021 * _ Tổng hợp kết quả và viết KLTN: tháng 11-12 năm 2021 Xác nhận của CBHD TP. HCM, ngày 30 tháng 12 năm 2021 (Ký tên và ghi rõ họ tên) Sinh viên (Ký tên và ghi rõ họ tên) Nguyễn Trung Hiếu Lương Ngoc Hoàng Trần Đình Khang 14 1x Acknowledgment First and foremost, we would like to give a special thank to our supervisor, Dr Luong Ngoc Hoang, who teaches, guides and works with us in our the- sis. He taught us invaluable lessons in research methodology, evolutionary algorithms and machine learning.

Also, he gives us insightful discussions whenever we need, whether it is a problem in research projects, or just our spontaneous curiosity about a lecture. Besides, he provides us considerable encouragement, advice, and most importantly, computational power when we face with overwhelming problems in our thesis. Again, our greatest grat- itude to Dr Luong Ngoc Hoang. It is our honour to work with him.

We would like to thank our talented friends, in KHTN2018, for the time we study together and motivate each other to constantly move forward. Last but not least, we would like to thank UIT for such an outstanding en- vironment for study and research. This contributes greatly to the completion of our thesis. Table of Contents 1 11 TntroducHon|.2 Continuous control problem|.4 Challenges and open problems|.

tructure of thesisl.- 6 2 Background 8 [21 Policy Searhl.1 Stochastic policy and deterministic policy].2 Deterministic Policy Gradient (DPG) Theorem [20]] .3 Actor-Critic architecturel.4 On policy algorithm vs off policy algorithm].5 Twin Delayed Deep Deterministic Policy Gradient (TD3)| 18 2.6 Soft Actor-Critcl.2 Cross Entropy Method(CEM). 2 ee 25 xi 3 Proposing Methods| 29 3.3 Comparison with previous worksÌ.1 Mujoco Continuous Control Benchmark|.ẶẶẶ SỐ VỐo 41 441 elD223vsTID23].2 CEM-SACvsS5AC]. 50 Bibliography| 52 xii List of Figures 1.1 Markov Decision Process (MDP). Agent interacts with environ- ¬ ee 3 1.2 A screenshot of the Humanoid in MuJoCo Physics Simulation.

In Humanoid, we have to teach our agent to stand up and move forward as fast as possible|.1 A parameterised policy function|.3 Atypical EA algorthml|.4 IHustraton o£CEM-RLÌ.2 Illustration of CEM-SAC algorithm|.1 MuJoCo locomotion tasks: Ant-v3, HalfCheetah-v3, Walker2d- [ v3, Hopper-v3, Humanoid-v3, HumanoidStandup-v2].2 Average performance results on MuJoCo-v3 environments of [ eTD3, CEM-TD3, and TD3 over 10 independent runs] .3 Average performance results on MuJoCo-v3 environments of CEM-SAC, CEM-TD3, and SAC over 10 independent runs| .4 10 runs of CEM-SAC and 10 runs of SAC. CEM-SAC shows more stability than SAC over the training session, with much less pitfalls). 0 eee 47 xiii List of tables 4. Final performance of eTD3, CEM-TD3 and TD3|.4 statistical Results of testsl.5 Final performance of CEM-SAC, CEM-TD3 and SAC].6 Student t-test taken across 10 executions of CEM-SAC, SAC and CEM-TD3.7 Final performance of CEM-SAC, CEM-TD3 and SAC., state-of-the-art off-policy policy gradient algorithms, by coupling it with the cross-entropy method (CEM), i., an estimation-of-distribution algorithm.

The hybrid approaches, eTD3 and CEM-SAC, exhibit both the efficiency of policy gradient algorithms and the stability of CEM in training policy neural networks of reinforcement learning agents for solving control problems. Our work here extends the evolutionary reinforcement learning (ERL) line of research on integrating the robustness of population-based stochastic black- box optimization, that typically assumes little to no problem-specific knowl- edge, into the training process of policy gradient algorithms, that exploits the sequential decision making nature for efficient gradient estimation. Exper- imental result comparisons with the baselines TD3, SAC and CEM-TD3, a recently-introduced ERL method that combines CEM and the TD3 algorithm, on a wide range of control tasks in the MuJoCo benchmarks confirm the en- hanced performance of our proposed CEM-SAC.1 Introduction Reinforcement learning (RL) is a machine learning paradigm to train artifi- cial intelligence (AI) agents to accomplish a certain task when there does not exist a dataset of training examples with corresponding ground truth labels. It is not straightforward, and might be not realizable, to effectively construct such a dataset in many control problems, such as robotics, inventory manage- ment, real-time bidding.

Designated tasks often involve the optimization of a reward/objective function. RL algorithms train the agents via an iterative exploration-exploitation mechanism [13]. At each iteration, experiences, of- ten in the form of (state, action, reward, next state), are obtained by interacting directly with the environment. These collected training signals are then em- ployed to favorably adjust the trial-and-error interactions of the agents at sub- sequent iterations.

In recent years, the couplings with deep neural networks (DNNs) and other deep learning (DL) techniques have enabled RL to achieve successful applications in a wide range of complicated problems with high- dimensional state spaces and action spaces. Policy neural networks, that rec- ommends which action agents should perform given each input state, are of- ten trained by a class of deep reinforcement learning (DRL) algorithms called policy gradient methods. Stochastic gradients of reward functions with re- spect to the policy parameters can be used to update network weights at each Chapter 1. Introduction 2 gradient ascent iteration.

Deep reinforcement learning (DRL) algorithms, however, still suffer from some essential obstacles: credit assignment with sparse/delayed reward sig- nals, premature convergence due to difficulties in maintaining a meaningful diverse exploration, sensitivity to hyperparameter settings (9}(14]. Salisman et al. proposed to treat the training of an agent’s policy network as a black- box optimization problem, which can then be solved by evolution strategies (ES), in particular natural evolution strategies [26], with competitive results compared to state-of-the-art DRL algorithms.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Tài liệu có tiêu đề Phương Pháp Học Tăng Cường Tiến Hóa cho Điều Khiển Liên Tục trình bày những phương pháp tiên tiến trong lĩnh vực học máy, đặc biệt là ứng dụng của thuật toán tiến hóa trong việc tối ưu hóa các hệ thống điều khiển liên tục. Tài liệu này không chỉ giúp người đọc hiểu rõ hơn về cách thức hoạt động của các thuật toán tiến hóa mà còn chỉ ra những lợi ích mà chúng mang lại trong việc cải thiện hiệu suất của các mô hình học máy.

Để mở rộng kiến thức của bạn về lĩnh vực này, bạn có thể tham khảo thêm tài liệu Khóa luận tốt nghiệp khoa học máy tính tìm kiếm kiến trúc mạng neural với thuật toán tiến hóa cho bài toán phân tích cảm xúc, nơi bạn sẽ tìm thấy ứng dụng của thuật toán tiến hóa trong phân tích cảm xúc. Ngoài ra, tài liệu Mạng neural rbf và bài toán xấp xỉ hàm nhiều biến số cũng cung cấp cái nhìn sâu sắc về các mạng neural và khả năng xấp xỉ hàm, điều này có thể bổ sung cho kiến thức của bạn về các phương pháp học máy. Cuối cùng, bạn có thể tìm hiểu thêm về Một số phương pháp học máy hiệu quả trong môi trường luồng dữ liệu liên tục, tài liệu này sẽ giúp bạn nắm bắt các phương pháp học máy trong môi trường dữ liệu liên tục, một khía cạnh quan trọng trong nghiên cứu hiện nay.

Những tài liệu này sẽ giúp bạn mở rộng hiểu biết và khám phá sâu hơn về các phương pháp học máy và ứng dụng của chúng trong các lĩnh vực khác nhau.