Δημιουργία μοντέλων βασισμένα σε πράκτορες με γενετικό προγραμματισμό
Μη τετριμμένα προγράμματα μπορούν να κατασκευαστούν χρησιμοποιώντας γενετικό προγραμματισμό χρησιμοποιώντας παραδείγματα δεδομένων. Τα μοντέλα βασισμένα σε πράκτορες (ABMs) είναι ένα πολύ υποσχόμενο πεδίο εφαρμογής, καθώς η πολυπλοκότητά τους σε μακροεπίπεδο πηγάζει από βασικούς κανόνες σε επίπεδο π...
Main Author: | |
---|---|
Other Authors: | |
Language: | Greek |
Published: |
2022
|
Subjects: | |
Online Access: | http://hdl.handle.net/10889/16415 |
id |
nemertes-10889-16415 |
---|---|
record_format |
dspace |
spelling |
nemertes-10889-164152022-09-05T14:01:41Z Δημιουργία μοντέλων βασισμένα σε πράκτορες με γενετικό προγραμματισμό Generating agent-based models with genetic programming Παλαμάς, Αντρέας Palamas, Antreas Γενετικός προγραμματισμός Προσομοίωση Μοντέλα βασισμένα σε πράκοτρες Νευρωνικά δίκτυα Γενετικοί αλγόριθμοι Genetic programming Simulation Agent based models Flocking Neural networks Genetic algorithms Μη τετριμμένα προγράμματα μπορούν να κατασκευαστούν χρησιμοποιώντας γενετικό προγραμματισμό χρησιμοποιώντας παραδείγματα δεδομένων. Τα μοντέλα βασισμένα σε πράκτορες (ABMs) είναι ένα πολύ υποσχόμενο πεδίο εφαρμογής, καθώς η πολυπλοκότητά τους σε μακροεπίπεδο πηγάζει από βασικούς κανόνες σε επίπεδο πράκτορα. Κατά τη μοντελοποίηση πολύπλοκων συστημάτων, ενσωματώνοντας τα νευρωνικά δίκτυα σε μοντέλα που βασίζονται σε πράκτορες, μπορεί να βοηθήσει στην καλύτερη κατανόηση των αντιδράσεων δυναμικών αποκρίσεων τους. Τα μεμονωμένα νευρωνικά δίκτυα μπορούν επίσης να εκπαιδευτούν σε ένα εποπτευόμενο περιβάλλον μάθησης και να κατανεμηθούν σε μεμονωμένους πράκτορες λόγω της φύσης των μοντέλων που βασίζονται σε πράκτορες και των δικτύων που υπάρχουν μέσα σε αυτά. Το πλεονέκτημα αυτής της προσέγγισης οι μεμονωμένοι πράκτορες γίνονται πιο μοναδικοί και λαμβάνουν αποφάσεις ανάλογα με το τι έχει μάθει το νευρωνικό δίκτυο σε όλη τη φάση της εκπαίδευσης. Σε αυτή τη εργασία μελετάμε την ενσωμάτωση νευρωνικών δικτύων εκπαιδευμένα από γενετικό προγραμματισμό με σκοπό την μεγαλύτερη ακρίβεια στα αποτελέσματα , σε μεμονωμένους πράκτορες θέλοντας να επιτύχουμε τα ίδια αποτελέσματα με το μοντέλο αναφοράς που βασίζεται σε πράκτορες. Το μοντέλο που μελετάμε και θέλουμε να πετύχουμε τα ίδια αποτελέσματα και να δείξουμε μια πιο ρεαλιστική προσομοίωση είναι το μοντέλο Boids. Με αυτή τη τεχνική θέλουμε να δείξουμε ότι οι εξελιγμένες λύσεις είναι συμπεριφορικά ταυτόσημες με τα μοντέλα αναφοράς και γενικεύονται εξαιρετικά καλά. Non-trivial programs can be constructed using genetic programming using data examples. Agent-based models (ABMs) are a very promising field of application, as their complexity at the macro level stems from basic rules at the agent level. When modeling complex systems, incorporating neural networks into agent-based models can help to better understand their dynamic response reactions. Individual neural networks can also be trained in a supervised learning environment and distributed to individual agents due to the nature of the agent-based models and the networks within them. The advantage of this approach is that individual agents become more unique and make decisions based on what the neural network has learned throughout the training phase. In this work we study the integration of neural networks trained by genetic programming in order to increase the accuracy of the results, in individual agents wanting to achieve the same results as the reference model based on agents. The model we are studying and wanting to achieve the same results and show a more realistic simulation is the Boids model. With this technique we want to show that advanced solutions are behaviorally identical to reference models and generalize extremely well. 2022-07-07T09:07:34Z 2022-07-07T09:07:34Z 2022-07-05 http://hdl.handle.net/10889/16415 gr application/pdf |
institution |
UPatras |
collection |
Nemertes |
language |
Greek |
topic |
Γενετικός προγραμματισμός Προσομοίωση Μοντέλα βασισμένα σε πράκοτρες Νευρωνικά δίκτυα Γενετικοί αλγόριθμοι Genetic programming Simulation Agent based models Flocking Neural networks Genetic algorithms |
spellingShingle |
Γενετικός προγραμματισμός Προσομοίωση Μοντέλα βασισμένα σε πράκοτρες Νευρωνικά δίκτυα Γενετικοί αλγόριθμοι Genetic programming Simulation Agent based models Flocking Neural networks Genetic algorithms Παλαμάς, Αντρέας Δημιουργία μοντέλων βασισμένα σε πράκτορες με γενετικό προγραμματισμό |
description |
Μη τετριμμένα προγράμματα μπορούν να κατασκευαστούν χρησιμοποιώντας γενετικό προγραμματισμό χρησιμοποιώντας παραδείγματα δεδομένων. Τα μοντέλα βασισμένα σε πράκτορες (ABMs) είναι ένα πολύ υποσχόμενο πεδίο εφαρμογής, καθώς η πολυπλοκότητά τους σε μακροεπίπεδο πηγάζει από βασικούς κανόνες σε επίπεδο πράκτορα. Κατά τη μοντελοποίηση πολύπλοκων συστημάτων, ενσωματώνοντας τα νευρωνικά δίκτυα σε μοντέλα που βασίζονται
σε πράκτορες, μπορεί να βοηθήσει στην καλύτερη κατανόηση των αντιδράσεων δυναμικών αποκρίσεων τους. Τα μεμονωμένα νευρωνικά δίκτυα μπορούν επίσης να εκπαιδευτούν σε ένα εποπτευόμενο περιβάλλον μάθησης και να κατανεμηθούν σε μεμονωμένους πράκτορες λόγω της φύσης των μοντέλων που βασίζονται σε πράκτορες και των δικτύων που υπάρχουν μέσα σε αυτά. Το πλεονέκτημα αυτής της προσέγγισης οι μεμονωμένοι πράκτορες γίνονται πιο μοναδικοί και λαμβάνουν αποφάσεις ανάλογα με το τι έχει μάθει το νευρωνικό δίκτυο σε όλη τη φάση της εκπαίδευσης. Σε αυτή τη εργασία μελετάμε την ενσωμάτωση νευρωνικών δικτύων εκπαιδευμένα από γενετικό προγραμματισμό με σκοπό την μεγαλύτερη ακρίβεια στα αποτελέσματα , σε μεμονωμένους πράκτορες θέλοντας να επιτύχουμε τα ίδια αποτελέσματα με το μοντέλο αναφοράς που βασίζεται σε πράκτορες. Το μοντέλο που μελετάμε και θέλουμε να πετύχουμε τα ίδια αποτελέσματα και να δείξουμε μια πιο ρεαλιστική προσομοίωση είναι το μοντέλο Boids. Με αυτή τη τεχνική θέλουμε να δείξουμε ότι οι εξελιγμένες λύσεις είναι συμπεριφορικά ταυτόσημες με τα μοντέλα αναφοράς και γενικεύονται εξαιρετικά καλά. |
author2 |
Palamas, Antreas |
author_facet |
Palamas, Antreas Παλαμάς, Αντρέας |
author |
Παλαμάς, Αντρέας |
author_sort |
Παλαμάς, Αντρέας |
title |
Δημιουργία μοντέλων βασισμένα σε πράκτορες με γενετικό προγραμματισμό |
title_short |
Δημιουργία μοντέλων βασισμένα σε πράκτορες με γενετικό προγραμματισμό |
title_full |
Δημιουργία μοντέλων βασισμένα σε πράκτορες με γενετικό προγραμματισμό |
title_fullStr |
Δημιουργία μοντέλων βασισμένα σε πράκτορες με γενετικό προγραμματισμό |
title_full_unstemmed |
Δημιουργία μοντέλων βασισμένα σε πράκτορες με γενετικό προγραμματισμό |
title_sort |
δημιουργία μοντέλων βασισμένα σε πράκτορες με γενετικό προγραμματισμό |
publishDate |
2022 |
url |
http://hdl.handle.net/10889/16415 |
work_keys_str_mv |
AT palamasantreas dēmiourgiamontelōnbasismenasepraktoresmegenetikoprogrammatismo AT palamasantreas generatingagentbasedmodelswithgeneticprogramming |
_version_ |
1771297227969396736 |