Concept
Planification (intelligence artificielle)
Séances de cours associées (16)
Agents délibératifs : planification et stratégies
Couvre la planification avec des adversaires, des algorithmes de recherche heuristique et des stratégies pour les jeux avec le hasard, en soulignant l'importance des agents délibératifs.
Planification automatisée : modélisation et contraintes
Explore la planification automatisée, les contraintes et les applications dans divers domaines, en mettant l'accent sur les défis et l'efficacité de la résolution des problèmes de planification.
Agents réactifs : processus de décision
Explore les agents réactifs et les processus décisionnels, couvrant des sujets tels que les processus décisionnels de Markov et les agents en temps réel.
Représentations factorielles : efficacité de la planification
Explore les représentations factorisées pour la planification, en se concentrant sur la réduction de la complexité et l'amélioration de l'efficacité grâce à une modélisation distincte des fonctionnalités.
Apprentissage par renforcement basé sur un modèle ou sans modèle
Compare l'apprentissage par renforcement basé sur un modèle et sans modèle, en soulignant les avantages du premier pour s'adapter aux changements de récompense et planifier les actions futures.
Systèmes multiagents : planification et coordination
Explore l'utilisation de systèmes multi-agents pour la planification, la coordination et l'attribution de tâches entre des agents hétérogènes.
Problèmes d'horizon infini : formulation et complexité
Couvre les problèmes d'horizon infini dans les processus de probabilité appliquée et stochastiques.
Agents intelligents : prendre des décisions et planifier
Couvre les agents intelligents, la prise de décision, la planification, l'apprentissage automatique et la théorie des jeux.
RL profonde basée sur le modèle: planification et VAST
Couvre l'apprentissage par modèle, la planification, la tabulation des états variables et la mise à jour efficace des valeurs Q et V.
Monte Carlo Tree Search et Alpha Zero
Explore Monte Carlo Tree Search et Alpha Zero dans l'apprentissage par renforcement profond.