Optimisation de contrôleurs par essaim particulaire

Jérémy Fix (1) , Matthieu Geist (1)

1 IMS : Information, Multimodalité & Signal

Trouver des contrôleurs optimaux pour des systèmes stochastiques est un problème particulièrement difficile abordé dans les communautés d'apprentissage par renforcement et de contrôle optimal. Le paradigme classique employé pour résoudre ces problèmes est celui des processus décisionnel de Markov. Néanmoins, le problème d'optimisation qui en découle peut être difficile à résoudre. Dans ce papier, nous explorons l'utilisation de l'optimisation par essaim particulaire pour apprendre des contrôleurs optimaux. Nous l'appliquons en particulier à trois problèmes classiques : le pendule inversé, le mountain car et le double pendule.

Keywords: optimisation par essaim particulaire; contrôle optimal; recherche de politique

Domains: Machine Learning [cs.LG]

Jérémy Fix, Matthieu Geist. Optimisation de contrôleurs par essaim particulaire. Conférence Francophone sur l'Apprentissage Automatique - CAp 2012, May 2012, Nancy, France. pp.1-14. ⟨hal-00701945⟩