|
Résumé :
|
. SUMÉ L’agent est muni d’un ensemble de tâches à effectuer et il est appelé à les exécuter, cependant ses propres connaissances et compétences ne sont pas suffisantes, ou bien tellement son environnement est dynamique, il doit actualiser son état interne d’une façon permanente pour survivre et atteindre son but. L’apprentissage est alors, une caractéristique fondamentale afin que l’agent puisse augmenter ses connaissances et améliorer ses performances en utilisant ses expériences. L’une des techniques d’apprentissage est les algorithmes génétiques qui sont favorables dans tel domaine à cause de leurs caractéristiques. L’objectif de notre travail consiste à élaborer une architecture d’un agent capable d’apprendre en utilisant un algorithme génétique incorporé avec un mécanisme d’apprentissage par renforcement. Mots clés : Apprentissage artificiel, Algorithme génétique, Apprentissage par renforcement, Agent. ABSTRACT Along its life, the agent has a set of tasks to do, however, its own knowledge and competences are not sufficient, and its environnement is so dynamic, it must update its local state in ordre to survive and acheive its goal. Learning is then a key feature to enable the agent to increase knowledge and improve performance by using past experiences and therfore effectively acts and reacts in its environnement.Genetic algorithms are more suggested in such demand, because of their evolutionary character. Our work consists in proposing a model based genetic algorithm incorporated with mechanism of rienforcement learning for the agent learning. Keywords: Artificiel learning, Genetic algorithm, Reinforcement learning, Agent.
|
