- Timestamp:
- 02/02/12 12:40:37 (13 years ago)
- Location:
- applications/doprava/texty/novotny_vyzk_LQ/06_Bayes_rmm_pouziti
- Files:
-
- 2 modified
Legend:
- Unmodified
- Added
- Removed
-
applications/doprava/texty/novotny_vyzk_LQ/06_Bayes_rmm_pouziti/Bayes_rmm_pouziti.tex
r1419 r1424 1 1 \def \cesta {./06_Bayes_rmm_pouziti} 2 2 3 \s ection{Použití RMM a Bayesova učení v decentralizovaném řízení dopravy}3 \subsection{Použití RMM a Bayesova učení v decentralizovaném řízení dopravy} 4 4 5 5 V následujícím textu se budeme zabývat konkrétním využitím … … 41 41 \end{figure} 42 42 43 \subsection{Zhodnocení} 44 V článku \cite{4_rmm_formalization} nenjsou podrobně popsány akce agentů ani 45 způsob, jak hodnotit jejich užitečnost. Proto je tato metoda jen obtížně reprodukovatelná, 46 modifikovatelná či dále rozvinutelná. V naší situaci popsanné v dalších kapitolách také není nutné 47 modelovat chování agentů, neboť je možné ho vykomunikovat pomocí posílaných zpráv. V případě 48 reálného nasazení by však bylo možné vylepšení zapojení RMM pro odhad chování agenta 49 pokud by nastal výpadek spojení nebo podobná situace. 43 50 44 51 -
applications/doprava/texty/novotny_vyzk_LQ/06_Bayes_rmm_pouziti/Bayes_rmm_pouziti.tex.backup
r1419 r1424 1 \def \cesta {./0 5_Bayes_rmm_pouziti}1 \def \cesta {./06_Bayes_rmm_pouziti} 2 2 3 \ chapter{Použití RMM a Bayesova učení v decentralizovaném řízení dopravy}3 \subsection{Použití RMM a Bayesova učení v decentralizovaném řízení dopravy} 4 4 5 V následující kapitolese budeme zabývat konkrétním využitím5 V následujícím textu se budeme zabývat konkrétním využitím 6 6 rekursivních modelovacích metod v kombinaci s bayesovským učením 7 7 v decentralizovaném řízení dopravy pomocí multiagentních systémů. … … 20 20 za použití simulace psané v jazyce VC++ a porovnávána s dvěma dalšími, a to pevně dané sekvence 21 21 stanovené dopravními experty a stochastická metoda "Hill-climbing process". Z tohoto srovnání 22 vychází tato metoda podle výsledků prezentovaných v \cite{1_rmm_bayes_learning} nejlépe, jak můžeme vidět v 23 \cite{fig:rmm_results}. 22 vychází metoda využívající RMM a bayesovského učenís podle výsledků prezentovaných v \cite{1_rmm_bayes_learning} nejlépe, 23 jak můžeme vidět na obrázku \ref{fig:rmm_results}. 24 25 24 26 25 27 \begin{figure}[H] … … 30 32 \end{figure} 31 33 34 \newpage 35 32 36 \begin{figure}[H] 33 37 \begin{center} … … 37 41 \end{figure} 38 42 43 \subsection{Zhodnocení} 44 V článku \cite{4_rmm_formalization} nenjsou podrobně popsány akce agentů ani 45 způsob, jak hodnotit jejich užitečnost. 39 46 40 47