Publicación:
Algoritmo de aprendizaje por refuerzo para el control de un sistema de transporte público

authorProfile.id.code201720208
dc.contributor.advisorCardozo Álvarez, Nicolás
dc.contributor.authorSalcedo Rodríguez, Mateo
dc.date.accessioned2021-08-10T18:26:32Z
dc.date.available2021-08-10T18:26:32Z
dc.date.issued2020
dc.description.abstractIn recent years, the use of Machine Learning techniques has been increasing in almost any technological environment due to the great utility that they can offer. One of these techniques is called Reinforment Learning or Reinforcement Learning (AR), which is used in different environments such as video games or control problems. One of the most interesting uses of this algorithm can be presented in a system such as public transport, where the main objective is to reduce the travel time of users. Taking into account that the space of possible states of the system is quite large, knowing exactly which is the correct action that optimizes the objective of the system for each of the states is a complex task and in many cases impossible, taking into account that the set of states does not have to be known in advance.eng
dc.description.abstractEn los últimos años el uso de técnicas de Machine Learning ha ido en aumento en casi cualquier ambiente tecnológico por la gran utilidad que estas pueden llegar a ofrecer. Una de estas técnicas es llamada Reinforment Learning o Aprendizaje por Refuerzo (AR), la cual es usada en diferentes ambientes como los video juegos o los problemas de control. Uno de los usos más interesantes de este algoritmo se puede presentar en un sistema como el transporte público, donde el objetivo principal es reducir el tiempo de viaje de los usuarios. Teniendo en cuenta que el espacio de estados posibles del sistema es bastante grande, conocer con exactitud cuál es la acción correcta que optimiza el objetivo del sistema para cada uno de los estados es una tarea compleja y en muchos casos imposible, teniendo en cuenta que el conjunto de estados no tiene que ser conocido de antemano.spa
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero de Sistemas y Computación
dc.format.extent18 hojas
dc.format.mimetypeapplication/pdf
dc.identifier.instnameinstname:Universidad de los Andesspa
dc.identifier.pdf22778.pdf
dc.identifier.reponamereponame:Repositorio Institucional Sénecaspa
dc.identifier.repourlrepourl:https://repositorio.uniandes.edu.co/spa
dc.identifier.urihttps://hdl.handle.net/1992/51469
dc.language.isospa
dc.publisherUniversidad de los Andes
dc.publisher.departmentDepartamento de Ingeniería de Sistemas y Computación
dc.publisher.facultyFacultad de Ingeniería
dc.publisher.programIngeniería de Sistemas y Computación
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.licenseAl consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subject.armarcTransporte público
dc.subject.armarcAlgoritmos (Computadores)
dc.subject.armarcAprendizaje por refuerzo (Aprendizaje automático)
dc.subject.armarcTiempo de viaje (Ingeniería del tránsito)
dc.subject.themesIngeniería
dc.titleAlgoritmo de aprendizaje por refuerzo para el control de un sistema de transporte públicospa
dc.typeTrabajo de grado - Pregradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TPspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dspace.entity.typePublication
person.identifier.gsidhttps://scholar.google.es/citations?user=3iTzjQsAAAAJ
person.identifier.orcid0000-0002-1094-9952
relation.isDirectorOfPublicationa77ff528-fc33-44d6-9022-814f81ef407a
relation.isDirectorOfPublication.latestForDiscoverya77ff528-fc33-44d6-9022-814f81ef407a
Archivos
Bloque original
Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
22778.pdf
Tamaño:
857.17 KB
Formato:
Adobe Portable Document Format