Comparison of Learning Performance of Genetic Algorithms and PPO Algorithms in Virtual Environment
인제대학교 컴퓨터응용과학과 학생, Tae-Sung Ha, Dong-Been Jeon, Daeun Song, Kyoung-Yee Kim, Hyung-Won Lee · The Journal of Next-generation Convergence Technology Association · 2022
현재 적합한 모델을 만들기 위해 여러 가지 알고리즘을 사용하지만 많은 자원을 소모하는 경우가 많다. 또한 학습이 끝난 모델의 가중치 값이 전역 최적점이 아닌 경우가 있어 추가적인 학습에 자원을 사용하는 경우가 발생한 다. 이에 본 논문에서는 모델을 찾는 학습과정에서 비교적 적은 자원을 사용하여 전역 최적점을 찾기 위해 유전 알고 리즘으로 모델을 제작했다. 유전 알고리즘의 학습 성능을 알아보기 위해 첫 번째 실험에서 유전 알고리즘에 사용되는 활성화 함수를 바꿔가면서 활성화 함수별 유전 알고리즘의 성능을 비교하였고, 두 번째 실험에서 모델 성능을 알아보 기 위해 강화 학습에 대표적으로 사용되고 있는 PPO 알고리즘과 비교 분석을 진행했다. 실험 결과 첫 번째 실험에서 소모된 에이전트의 차이는 적었지만 렐루 함수를 사용한 유전 알고리즘이 높은 점수를 얻었다. 두 번째 실험에서는 유전 알고리즘이 PPO알고리즘보다 적은 에이전트 수를 사용했지만 높은 점수가 나온 것으로 확인되었다.