Application of neuro evolution tools in automation of technical control systems

• Опубліковано в: PROBLEMS IN PROGRAMMING
• Дата: 2021
• Випуск: 1
• Сторінки: 16-25
• ISSN: 1727-4907
• Автори та афіліації: А.Yu. Doroshenko — Institute of Software Systems NAS of Ukraine; I.Z. Achour — NTUU "KPI"
• Ключові слова: автоматизація керування в технічних системах, штучна нейронна мережа, алгоритми штучного інтелекту, автоматизація навчання, навчання з підкріпленням, системи на базі штучного інтелекту, технології на базі штучного інтелекту, системи штучного інтелекту, алгоритми машинного навчання, генетичний алгоритм
• Автори: Doroshenko, А.Yu., Achour, I.Z.
• Формат: Стаття
• Мова: Українська
• Опубліковано: PROBLEMS IN PROGRAMMING 2021
• Теми: artificial neural networks; reinforced learning; genetic algorithms; control automation in technical systems; UDC 004.4'22
• Онлайн доступ: https://pp.isofts.kiev.ua/index.php/ojs1/article/view/448
• Назва журналу: Problems in programming

Reinforced learning is a field of machine learning based on how software agents should perform actions in the environment to maximize the concept of cumulative reward. This paper proposes a new application of machine reinforcement learning techniques in the form of neuroevolution of augmenting topologies to solve control automation problems using modeling control problems of technical systems. Key application components include OpenAI Gym toolkit for developing and comparing reinforcement learning algorithms, full-fledged open-source implementation of the NEAT genetic algorithm called SharpNEAT, and intermediate software for orchestration of these components. The algorithm of neuroevolution of augmenting topologies demonstrates the finding of efficient neural networks on the example of a simple standard problem with continuous control from OpenAI Gym.Prombles in programming 2021; 1: 16-25