এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
বহু-উদ্দেশ্য কর্মনীতি
একটি কৌশল যা একই সময়ে একাধিক উদ্দেশ্য বিবেচনা করে অবস্থাকে কর্মের সাথে ম্যাপ করে। ঐতিহ্যগত একক-উদ্দেশ্য নীতির বিপরীতে, এটিকে প্রায়শই পরস্পরবিরোধী বিভিন্ন লক্ষ্যের মধ্যে পছন্দের ভারসাম্য বজায় রাখতে হয়।
ভেক্টর মান ফাংশন
রিইনফোর্সমেন্ট লার্নিং-এ কিউ-ভ্যালু ফাংশনের একটি সম্প্রসারণ যেখানে প্রতিটি অবস্থা-কর্ম একটি মানের ভেক্টরের সাথে যুক্ত, প্রতিটি উদ্দেশ্যের জন্য একটি। এই উপস্থাপনা পূর্ব-সমষ্টি ছাড়াই বিভিন্ন উদ্দেশ্যের মধ্যে বিনিময় সম্পর্ক ক্যাপচার করতে সক্ষম করে।
ওজনযুক্ত স্কেলারাইজেশন
প্রতিটি উদ্দেশ্যে ওজন নির্ধারণ করে এবং সেগুলো রৈখিকভাবে সংযুক্ত করে একটি বহু-উদ্দেশ্য সমস্যাকে একক-উদ্দেশ্য সমস্যায় রূপান্তরের কৌশল। এই পদ্ধতি ওজন পরিবর্তন করে প্যারেটো ফ্রন্টে বিভিন্ন সমাধান অন্বেষণ করতে সক্ষম করে।
বহু-উদ্দেশ্য ডিকিউএন
গভীর নিউরাল নেটওয়ার্ক ব্যবহার করে ভেক্টর কিউ-ফাংশন আনুমানিক করার জন্য বহু-উদ্দেশ্য সমস্যার সাথে খাপ খাইয়ে নেওয়া ডিপ কিউ-নেটওয়ার্ক আর্কিটেকচার। নেটওয়ার্ক প্রতিটি উদ্দেশ্যের জন্য রিটার্ন মান একই সাথে অনুমান করতে শেখার পাশাপাশি বিনিময়ের সামঞ্জস্য বজায় রাখে।
ভেক্টর রিওয়ার্ড
পুরস্কারের একটি কাঠামো যেখানে একটি অবস্থায় প্রতিটি কর্ম একটি একক স্কেলার মানের পরিবর্তে পুরস্কারের একটি ভেক্টর তৈরি করে। ভেক্টরের প্রতিটি উপাদান সমস্যার একটি নির্দিষ্ট উদ্দেশ্যে অগ্রগতির সাথে সম্পর্কিত।
বহু-উদ্দেশ্য পিপিও
বহু-উদ্দেশ্য পরিবেশের জন্য প্রক্সিমাল পলিসি অপ্টিমাইজেশন অ্যালগরিদমের অভিযোজন, একই সাথে একাধিক উদ্দেশ্য ফাংশন অপ্টিমাইজ করে। অ্যালগরিদম উদ্দেশ্যগুলির মধ্যে বিনিময় স্থান অন্বেষণ করার সময় নৈকট্য সীমাবদ্ধতা বজায় রাখে।
উদ্দেশ্য বিনিময়
একটি ধারণা যা বিভিন্ন উদ্দেশ্যের মধ্যে প্রয়োজনীয় বিনিময় বর্ণনা করে যখন একটি উদ্দেশ্যের উন্নতি অপরটির অবনতি অপরিহার্যভাবে ঘটায়। প্যারেটো-অপটিমাল সমাধান চিহ্নিত করার জন্য বিনিময় বিশ্লেষণ অপরিহার্য।
প্যারেটো-অপটিমাল নীতির ধারাবাহিকতা
কর্ম নীতির একটি ধারাবাহিক সেট যা সবই প্যারেটো-অপটিমাল, উদ্দেশ্যগুলির মধ্যে বিভিন্ন পছন্দের প্রতিনিধিত্ব করে। এই ধারাবাহিকতা সিদ্ধান্তগ্রহণকারীদের তাদের অগ্রাধিকারের সাথে সবচেয়ে ভালো মিলে এমন নীতি নির্বাচন করতে সক্ষম করে।
মাল্টি-অবজেক্টিভ মেটা-লার্নিং
একটি পদ্ধতি যেখানে এজেন্ট মাল্টি-অবজেক্টিভ সমস্যা সমাধানের জন্য শিখতে শেখে, সাধারণ অভিযোজন কৌশল আবিষ্কারের মাধ্যমে। মেটা-লার্নিং বিভিন্ন সমস্যার মধ্যে ট্রেড-অফ সম্পর্কিত জ্ঞান দক্ষতার সাথে স্থানান্তর করতে সক্ষম করে।
মাল্টি-অবজেক্টিভ ন্যাশ ভারসাম্য
গেম থিওরির একটি ধারণা যা মাল্টি-অবজেক্টিভ সমস্যায় প্রয়োগ করা হয়, যেখানে কোন এজেন্ট অন্য উদ্দেশ্যগুলিকে নেতিবাচকভাবে প্রভাবিত না করে একটি উদ্দেশ্যে তার অবস্থানের উন্নতি করতে পারে না। এই ভারসাম্য মাল্টি-এজেন্ট মাল্টি-অবজেক্টিভ প্রসঙ্গে একটি স্থিতিশীল সমাধান উপস্থাপন করে।
নন-লিনিয়ার অ্যাগ্রিগেশন
লিনিয়ার ওয়েটিংয়ের পরিবর্তে নন-লিনিয়ার ফাংশন ব্যবহার করে উদ্দেশ্যগুলি একত্রিত করার পদ্ধতি, যা উদ্দেশ্যগুলির মধ্যে জটিল সম্পর্ক ক্যাপচার করে। এই পদ্ধতিগুলি আরও পরিশীলিত পছন্দ এবং নন-এডিটিভ ইন্টারঅ্যাকশন মডেল করতে সক্ষম করে।