Augmented Random Search (ARS) est un algorithme de type évolutionnaire très simple qui s’avère très performant pour optimiser une politique. Par ailleurs, BBRL est une librairie développée par l’encadrant destinée à faciliter le codage d’algorithmes d’apprentissage par renforcement.
L’objectif de ce projet est de développer ARS au sein de la librairie BBRL, puis de comparer sa performance à celle d’autres algorithmes disponibles comme la cross-entropy method (CEM) ou divers algorithmes d’apprentissage par renforcement.
Pour les étudiant.e.s qui seront choisi.e.s, ce sera l’occasion de se familiariser avec des concepts et outils de l’apprentissage par renforcement, qui jouent un rôle significatif dans les progrès actuels de l’Intelligence Artificielle. Ce projet leur permettra aussi d’apprendre à développer dans la librairie BBRL et d’apprendre une méthodologie rigoureuse pour l’évaluation et la comparaison d’algorithmes.
Ce projet faisant appel à de nombreuses notions nouvelles, une formation à des aspects méthodologiques sera assurée durant les premières semaines.
Une forte motivation pour le machine learning, des bonnes bases en programmation python et en installation de librairie ainsi qu’une bonne maîtrise de github sont des prérequis.
Références
Augmented Random Search
https://arxiv.org/pdf/1803.07055.pdf
Le dépôt de la librairie BBRL :
https://github.com/osigaud/bbrl