Overview
Q-Kudzidza ndeyekusimbisa kudzidza algorithm inodzidzisa mumiriri kuti ndeapi zviito zvinobhadhara zvakanyanya nekudzidza zvishoma nezvishoma kukosha kwekufamba kwega kwega kuburikidza nekuedza uye kukanganisa. Izvo zvine basa nekuti inogona kuwana hunhu hwakakwana pasina kumboudzwa mitemo yenzvimbo yayo.
Q-Kudzidza inzvimbo yekuvaka yehunyanzvi inobata mhando yemhando, mutengo wezvivakwa, latency, uye kuvimbika pachiyero.
Deep Dive
Q-Kudzidza inodzidza basa rinodaidzwa kuti Q(s, a): mubairo unotarisirwa wenguva yakareba wekutora chiito 'a' muhurumende 's' uye wozoita zvakanaka pashure. Mumiririri anotanga kuziva chinhu, anoedza zviito, uye anoona mibairo. Mushure menhanho yega yega inokwenya fungidziro yayo yeQ-kukosha kumubairo uchangobva kugamuchirwa pamwe neramangwana rakaderedzwa remangwana kukosha kwainotarisira kubva kune inotevera nyika. Zvakanyanya kukosha, ndeye 'isina-policy' uye 'yemahara-yemhando': inogona kudzidza yakanakisa mutemo uchiongorora zvisina tsarukano, uye haimboda modhi yemashanduko enyika. Tichipihwa kuongororwa kwakaringana kwechero nyika-chiito pair, iwo maQ-values anochinjika kune akanyanya kukosha, uye chakanakisa chiito mune chero nyika ingori iyo ine yepamusoro Q.
Technical Insight
Mhodzi igadziriso yeBellman: Q(s,a) <- Q(s,a) + alpha[r + gamma*max_a' Q(s',a') - Q(s,a)]. Alpha ndiyo chiyero chekudzidza, gamma iyo inodzikisira chinhu inorema mibairo yeramangwana, uye izwi rakasungirirwa ndiro kukanganisa kwechinguvana. Iyo 'max' pamusoro pezvinotevera zviito ndizvo zvinoita kuti ive isiri-policy uye inoita kuti idzidze ine makaro yakakwana mutemo kunyangwe ichiongorora. Kuongorora kunowanzo batwa ne epsilon-kukara chiito sarudzo.
Kudzidzira Q-Kudzidza
Q-Kudzidza ndeyekusimbisa kudzidza algorithm inodzidzisa mumiriri kuti ndeapi zviito zvinobhadhara zvakanyanya nekudzidza zvishoma nezvishoma kukosha kwekufamba kwega kwega kuburikidza nekuedza uye kukanganisa. Izvo zvine basa nekuti inogona kuwana hunhu hwakakwana pasina kumboudzwa mitemo yenzvimbo yayo. Q-Kudzidza inzvimbo yekuvaka yehunyanzvi inobata mhando yemhando, mutengo wezvivakwa, latency, uye kuvimbika pachiyero. Kuti uvake kunzwisisa kwakadzama, bata Q-Kudzidza semuenzaniso wekushandisa, kwete chinhu chimwe chete: tsanangura zvinodikanwa, kujekesa fungidziro, uye patsanura izvo zvinogona kuitwa nehurongwa hwakavimbika kubva kune zvichiri kuda kutonga kwenyanzvi.
Mukuita, zvikwata zvakasimba zvinoshandisa Q-Kudzidza zvinogonesa zvivakwa, data, uye sarudzo dzezvivakwa zvinopesana nekuvimbika uye mutengo. Ivo vanonyora zvakajeka maitiro ebudiriro, bvunzo vachipokana ne data rechokwadi uye mafambiro ebasa, uye iterate zvichibva pane zvakacherechedzwa maitiro ekutadza kwete kuhwina-nguva imwe chete yebhenji. Apa ndipo apo kunzwisisa kwe theoretical kunoshanduka kuve kugona kwakasimba pane chigadzirwa, mutemo, uye mashandiro.
Zvisarudzo zvezvivakwa zvinotyaira kuita uye mutengo wekushandisa kwemakore. Panguva imwecheteyo, Kukwirisa imwe bhenji kunogona kuvanza yakafara system kushaya simba. Nzira yakatsiga ndeyekubatanidza kukurumidza kuyedza nekutonga: mhanyisa vatyairi vendege, tora humbowo, buritsa matanda esarudzo, uye urambe uchivandudza chengetedzo semaitiro emuenzaniso, zvinotarisirwa nemushandisi, uye zvinodikanwa zvekutonga.
Strategic Impact
Zvisarudzo zvezvivakwa zvinotyaira kuita uye mutengo wekushandisa kwemakore.
Zvisarudzo zvezvivakwa zvinotyaira kuita uye mutengo wekushandisa kwemakore. Mukutumirwa kwemhando yepamusoro, izvi zvinoshandurirwa kuita mitemo inoyerwa yekushanda, miganhu yevaridzi, uye tsika dzekudzokorora dzinodzokororwa kuitira kuti zvikwata zvikwire kuvimba pane kukwidza kusajeka.
Dzidzo yehunyanzvi inobatsira zvikwata kusarudza murwi wakakodzera, kwete iwo mutsva chete.
Dzidzo yehunyanzvi inobatsira zvikwata kusarudza murwi wakakodzera, kwete iwo mutsva chete. Mukutumirwa kwemhando yepamusoro, izvi zvinoshandurirwa kuita mitemo inoyerwa yekushanda, miganhu yevaridzi, uye tsika dzekudzokorora dzinodzokororwa kuitira kuti zvikwata zvikwire kuvimba pane kukwidza kusajeka.
Sarudzo dzeinjiniya dziri nani dzinoderedza zviitiko zvekuvimbika mukugadzira.
Sarudzo dzeinjiniya dziri nani dzinoderedza zviitiko zvekuvimbika mukugadzira. Mukutumirwa kwemhando yepamusoro, izvi zvinoshandurirwa kuita mitemo inoyerwa yekushanda, miganhu yevaridzi, uye tsika dzekudzokorora dzinodzokororwa kuitira kuti zvikwata zvikwire kuvimba pane kukwidza kusajeka.
Real-World Implementation
Atari mutambo-kutamba vamiririri (DeepMind's DQN) kudzidza kutamba Breakout uye Pong zvakananga kubva pachiratidziri pixels.
Kunatsiridza traffic-mwenje nguva pamharadzano kuderedza yakazara mota yekumirira nguva
Robhoti navigation kuburikidza negridi kana maze uko iro robhoti rinodzidza ipfupi nzira yekuwedzera mubairo
Dynamic mitengo uye sarudzo dzekutsvaga apo mumiririri anodzidza kuti ndezvipi zviito zvinowedzera purofiti yenguva refu
Maitiro Ekuita
Q-Kudzidza mukuita
Atari mutambo-wekutamba vamiririri (DeepMind's DQN) kudzidza kutamba Breakout uye Pong zvakananga kubva pachiratidziro pixels.
Atari mutambo-wekutamba vamiririri (DeepMind's DQN) kudzidza kutamba Breakout uye Pong zvakananga kubva pachiratidziro pixels Matimu anowanzo kuwana mhedzisiro iri nani kana achinge atsanangura emhando yepamusoro kumberi, chengetedza nzira yekukwira kwevanhu yemakesi ekumucheto, uye kuteedzera zvese zvakawanikwa zvechigadzirwa uye mutengo wekukanganisa nekufamba kwenguva.
Q-Kudzidza mukuita
Kunatsiridza traffic-mwenje nguva pamharadzano kuderedza yakazara mota yekumirira nguva.
Kunatsiridza traffic-mwenje nguva pamharadzano kuti uderedze yakazara mota yekumirira nguva Matimu anowanzo kuwana zvirinani kana achinge atsanangura emhando yepamusoro kumberi, chengetedza nzira yekukwira kwevanhu yemakesi ekumucheto, uye kuteedzera zvese zvakawanikwa zvechigadzirwa nemitengo yekukanganisa nekufamba kwenguva.
Q-Kudzidza mukuita
Robhoti navigation kuburikidza negridi kana maze uko iro robhoti rinodzidza ipfupi nzira yekuwedzera mubairo.
Robhoti kufamba negedhi kana maze apo robhoti rinodzidza nzira ipfupi-yekuwedzera mibairo Matimu anowanzo kuwana mhedzisiro iri nani kana achinge atsanangudza emhando yepamusoro kumberi, chengetedza nzira yekukwira kwevanhu yemakesi ekumucheto, uye kuteedzera zvese zvakawanikwa zvechigadzirwa nemitengo yekukanganisa nekufamba kwenguva.
Q-Kudzidza mukuita
Dynamic mitengo uye sarudzo dzekutsvaga apo mumiririri anodzidza kuti ndezvipi zviito zvinowedzera purofiti yenguva refu.
Mitengo inesimba uye sarudzo dzezviyero apo mumiririri anodzidza kuti ndezvipi zviito zvinowedzera purofiti yenguva refu Matimu anowanzo kuwana mhedzisiro iri nani kana achinge atsanangura mhando yepamusoro kumberi, chengetedza nzira yekukwira kwevanhu yemakesi emupendero, uye kuteedzera zvese zvakawanikwa zvechigadzirwa uye mutengo wekukanganisa nekufamba kwenguva.
Njodzi & Guardrails
Kugadzirisa imwe bhenji kunogona kuvanza yakafara system kushaya simba.
Infrastructure uye mari yekugadzirisa inowanzotarisirwa pasi.
Chengetedzo uye kucherechedzwa mapundu anogona kukura sezvo masisitimu anowedzera kuoma.
Implementation Roadmap
Tsanangura latency, mhando, uye mutengo zvinangwa usati waitwa.
Tsanangura latency, mhando, uye mutengo zvinangwa usati waitwa. Bata nhanho yega yega segedhi rehumbowo: kana maitiro asina kusangana, imbomira kuburitsa, vhara gaka, uye wobva wawedzera kushandiswa.
Benchmark pasi pechokwadi mutoro uye data mamiriro.
Benchmark pasi pechokwadi mutoro uye data mamiriro. Bata nhanho yega yega segedhi rehumbowo: kana maitiro asina kusangana, imbomira kuburitsa, vhara gaka, uye wobva wawedzera kushandiswa.
Chishandiso chekutarisa zvikanganiso, kudonha, uye mushandisi maitiro.
Chishandiso chekutarisa zvikanganiso, kudonha, uye mushandisi maitiro. Bata nhanho yega yega segedhi rehumbowo: kana maitiro asina kusangana, imbomira kuburitsa, vhara gaka, uye wobva wawedzera kushandiswa.
Gadzirira nzira dzekudzosera kumashure uye dzezviitiko usati wawedzera.
Gadzirira nzira dzekudzosera kumashure uye dzezviitiko usati wawedzera. Bata nhanho yega yega segedhi rehumbowo: kana maitiro asina kusangana, imbomira kuburitsa, vhara gaka, uye wobva wawedzera kushandiswa.