<span lang="FA">مقایسه عملکرد الگوریتم های <span dir="LTR">DQN<span lang="FA"> و <span dir="LTR">Double DQN<span lang="FA"> در محیط های یادگیری تقویتی با منابع محدود

یادگیری تقویتی عمیق طی سال های اخیر به عنوان یکی از رویکردهای پیشرفته در حل مسائل تصمیم گیری پیچیده مطرح شده است و توانسته در حوزه هایی مانند بازی های ویدئویی، رباتیک و کنترل خودکار عملکردی چشمگیر نشان دهد. با این حال، بررسی کارایی این الگوریتم ها در محیط هایی با منابع محاسباتی محدود کمتر مورد توجه قرار گرفته است. در این مقاله، دو الگوریتم مطرح الگوریتم یادگیری تقویتی عمیق شامل شبکه کیو عمیق Deep Q-Network (DQN) و شبکه کیو عمیق دوگانه مورد مقایسه و ارزیابی قرار گرفتند. هر دو الگوریتم با بهره گیری از شبکه های عصبی هم آمیختی (CNN) و در محیط ساده و کم منبع گوگل کولب پیاده سازی شدند. آزمایش ها بر روی بازیBreakout انجام شد و با تنظیم حداقلی ابرپارامترها، عملکرد هر الگوریتم تحلیل گردید. نتایج نشان دادند که شبکه کیو عمیق دوگانه در برخی شبیه سازی ها دقت و پایداری بیشتری دارد، در حالی که vanilla DQN با وجود سادگی ساختار خود، همچنان کارایی قابل قبولی ارائه می دهد. به طورکلی، می توان نتیجه گرفت که در محیط های با محدودیت منابع، استفاده از رویکردهای ساده تر الگوریتم یادگیری تقویتی عمیق می تواند گزینه ای بهینه تر و کارآمدتر باشد.

کلیدواژه ها:

یادگیری تقویتی عمیق ، شبکه های عصبی هم آمیختی ، شبکه کیو عمیق ، شبکه کیو عمیق دوگانه ، Breakout