2.1 KiB
2.1 KiB
AUTOMATYCZNY KELNER
Authors: Kamil Ryżek, Aliaksandr Piatrou, Arseni Zavadski, Vadzim Valchkovich
INSTALATION GUIDE
Install pipenv
pip install --user pipenv
Install dependencies
pipenv install -r requirements.txt
RUN INSTRUCTIONS
pipenv run python agent.py
TODO
-
Planowanie ruchu: Wymagania dot. pierwszego przyrostu
- Agent powinien dysponować co najmniej następującymi akcjami: ruch do przodu, obrót w lewo, obrót w prawo
- Należy wykorzystać „Schemat procedury przeszukiwania grafu stanów“.
- Należy zaimplementować strategię Breadth-First Search.
- Planowanie ruchu: Wymagania dot. drugiego przyrostu
- Należy wykorzystać „Schemat procedury przeszukiwania grafu stanów z uwzględnieniem kosztu“
- Należy zaimplementować strategię A*, czyli zdefiniować funkcję wyznaczającą priorytet następników uwzględniającą zarówno koszt jak i odpowiednią heurystykę.
- Agent powinien dysponować co najmniej następującymi akcjami: ruch do przodu, obrót w lewo, obrót w prawo.
- Koszt wjazdu na pola poszczególnych typów powinien być zróżnicowany.
Przykład: Koszt wjazdu traktora na pole marchewek to 10 a koszt wjazdu na pole puste to 1.
- Drzewa decyzyjne: wymagania dot. trzeciego przyrostu
- Należy wykorzystać algorytm ID3 (tj. schemat indukcyjnego uczenia drzewa decyzyjnego oraz procedurę wyboru atrybutu o największym przyroście informacji) lub któreś z jego uogólnień.
- Należy przygotować zbiór uczący złożony z co najmniej 200 przykładów.
- Decyzja stanowiąca cel uczenia powinna zostać opisana przynajmniej ośmioma atrybutami.
- Powinna pojawić się opcja podglądu wyuczonego drzewa (np. w logach lub w pliku z graficzną reprezentacją drzewa).
- Sieci neuronowe: wymagania dot. czwartego przyrostu
- Należy przygotować zbiór uczący zawierający co najmniej 1000 przykładów dla każdej klasy.
- Agent powinien wykorzystywać wyuczoną sieć w procesie podejmowania decyzji.