Սամվելյան, Միքայել Էդուարդի

Informatics

Աշխատությունը նվիրված է արհեստական բանականության ժամանակակից ուղղություններից մեկի՝ բազմագործակալ համակարգերում ամրապնդմամբ ուսուցման մեթոդների հետազոտմանը, կատարելագործմանը և դրանց արդյունավետության գնահատմանը։ Ուսումնասիրության շրջանակում դիտարկվում են այնպիսի միջավայրեր, որտեղ միաժամանակ գործող մի քանի ինքնավար գործակալներ սովորում են որոշումներ ընդունել, համագործակցել կամ մրցակցել՝ փոխազդելով ինչպես միջավայրի, այնպես էլ միմյանց հետ։ Առանձնահատուկ ուշադրություն է դարձվում խորքային նեյրոնային ցանցերի և ամրապնդմամբ ուսուցման ալգորիթմների համադրմանը, որի միջոցով հնարավոր է մշակել բարդ իրավիճակներում արդյունավետ գործող ռազմավարություններ։ Քննարկվում են բազմագործակալ ուսուցմանը բնորոշ հիմնական խնդիրները՝ գործակալների գործողությունների համակարգումը, ընդհանուր և անհատական նպատակների հավասարակշռումը, փոփոխվող միջավայրին հարմարվելը, մեծ չափողականությամբ վիճակների և գործողությունների տարածքների մշակումը, ինչպես նաև ուսուցման կայունության և արագության բարձրացումը։ Ներկայացվում են ալգորիթմների և մոդելների մշակման մոտեցումներ, որոնք հնարավորություն են տալիս բարելավել գործակալների որոշումների որակը, նվազեցնել ուսուցման համար անհրաժեշտ հաշվարկային ռեսուրսները և բարձրացնել համակարգի ընդհանուր արդյունավետությունը։ Կարևորվում է նաև տարբեր մեթոդների փորձարարական գնահատումը՝ համապատասխան չափորոշիչների, մոդելավորված միջավայրերի և համեմատական փորձարկումների կիրառմամբ։ Վերլուծվում են ստացված արդյունքները, մեթոդների առավելություններն ու սահմանափակումները, դրանց կայունությունը տարբեր պայմաններում և ընդհանրացման հնարավորությունները։ Աշխատանքը կարող է ունենալ ինչպես տեսական, այնպես էլ կիրառական նշանակություն՝ նպաստելով ինքնավար ռոբոտների, բազմագործակալ կառավարման համակարգերի, խելացի տրանսպորտային համակարգերի, խաղային միջավայրերի, ռեսուրսների բաշխման և այլ բարդ խնդիրների լուծման համար առավել ճկուն ու արդյունավետ արհեստական բանականության համակարգերի ստեղծմանը։