Go to file

Vadzim Valchkovich f8b64076e2 update README.md		2023-06-15 16:56:19 +02:00
dataset	refactoring	2023-06-15 12:06:23 +02:00
model	refactoring	2023-06-15 12:06:23 +02:00
src	code refactoring, comments added	2023-06-15 16:51:27 +02:00
.gitignore	Neural Network - #4 Cleanup #2	2023-06-02 00:14:50 +02:00
agent.py	code refactoring, comments added	2023-06-15 16:51:27 +02:00
README.MD	update README.md	2023-06-15 16:56:19 +02:00
requirements.txt	neural network integration	2023-06-02 12:03:31 +02:00

AUTOMATYCZNY KELNER

Authors: Kamil Ryżek, Aliaksandr Piatrou, Arseni Zavadski, Vadzim Valchkovich

INSTALATION GUIDE

pip install --user pipenv

pipenv install -r requirements.txt

pipenv run python agent.py

ESC - exit

F - show or hide fringes

SPACE - pause or continue

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.