Please use this identifier to cite or link to this item: http://www.monografias.ufop.br/handle/35400000/4816
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorNeves, Davi das Chagaspt_BR
dc.contributor.authorCosta, Thales Alexandre Martins Lopes da-
dc.date.accessioned2022-11-17T11:30:44Z-
dc.date.available2022-11-17T11:30:44Z-
dc.date.issued2022pt_BR
dc.identifier.citationCOSTA, Thales Alexandre Martins Lopes da. Implementação de métodos de aprendizagem por reforço para a resolução do problema CartPole. 2022. 39 f. Monografia (Graduação em Engenharia de Produção) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2022.pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/4816-
dc.description.abstractNeste trabalho procura-se demonstrar o conceito de aprendizagem por reforço e como ele, aliado a algoritmos de Machine Learning, pode ser utilizado para resolver o problema do pêndulo invertido. De tal forma, para alcançar este objetivo, serão implementados quatro algoritmos: Q-Learning, Escalada, REINFORCE e Deep Q Network. Estes algoritmos serão desenvolvidos na linguagem Python e seus resultados demonstrados. Observou-se que todos os algoritmos foram capazes de solucionar o problema do pêndulo - alguns sendo mais eficientes que os outros. Os algoritmos se provaram extremamente úteis para a resolução de problemas complexos e que podem ser aproveitados em diversas áres de pesquisa.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectAprendizagem por reforçopt_BR
dc.subjectAprendizado do computador - aprendizagem por reforçopt_BR
dc.subjectAprendizado do computadorpt_BR
dc.subjectInteligência artificial - CartPolept_BR
dc.titleImplementação de métodos de aprendizagem por reforço para a resolução do problema CartPole.pt_BR
dc.typeTCC-Graduaçãopt_BR
dc.contributor.refereeGuimarães, Irce Fernandes Gomespt_BR
dc.contributor.refereeMurta, Jorge Luiz Bresciapt_BR
dc.contributor.refereeNeves, Davi das Chagaspt_BR
dc.description.abstractenThis work aims to demonstrate the concept of reinforcement learning and how it, with the help of machine learning algorithms, can be used to solve the inverted pendulum problem. In this way, in order to reach this goal, four algorithms will be implemented: Q-Learning, Hill Climbing, REINFORCE and Deep Q Network. These algorithms will be developed in Python and its results demonstrated. It was observed that all of the algorithms were capable of solving the pendulum problem - with some being more efficient than others. These algorithms have proved to be extremely useful in solving complex problems that may be utilized within many fields of study.pt_BR
dc.contributor.authorID19.1.1358pt_BR
Appears in Collections:Engenharia de Produção - OP

Files in This Item:
File Description SizeFormat 
MONOGRAFIA_ImplementaçãoMétodosAprendizagem.pdf817,46 kBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons