محققان در پژوهشی جدید، چالش همیشگی در سیستمهای اتوماسیون صنعتی یعنی ایجاد تعادل بین «عملکرد بالا» و «بهینگی مصرف انرژی» را هدف قرار دادند.
مدلهای سنتی یادگیری تقویتی (RL) معمولاً برای پیدا کردن این تعادل به تنظیمات دستی و زمانبر وابسته هستند، اما این مطالعه با استفاده از «بهینهسازی بیزی چندهدفه (MOBO)»، فرآیند انتخاب وزنها را کاملاً هوشمند و خودکار کرده است.
نتیجه این کار؟ کشف سریعتر و دقیقتر راهکارهای بهینه (Pareto front) با هزینه محاسباتی بسیار کمتر که نویدبخش سیستمهای هوشمندتر و کممصرفتر در صنایع و رباتیک است. 🚀
سازی
منبع: arXiv Machine Learning



