Омельяненко, Я.2025-03-192025-03-192024Омельяненко, Я. В. Покращення продуктивності побудови оптимальної топології штучних нейронних мереж з використанням нейроеволюційних алгоритмів за рахунок застосування методу паралельної оцінки придатності / Омельяненко Я. В. // Теоретичні та прикладні аспекти побудови програмних систем : працi 15 міжнародної науково-практичної конференції, Київ, 23-24 грудня 2024 р. / [за заг. ред.: М. М. Глибовця, Т. В. Панченка та iн. ; Факультет інформатики Національного університету "Києво-Могилянська академія" та ін.]. - Київ : НаУКМА, 2024. - C. 52-53.https://ekmair.ukma.edu.ua/handle/123456789/34039Neuroevolution algorithms, a subset of genetic algorithms family, utilize evolutionary processes inspired by natural evolution to train artificial neural networks. A crucial aspect of neuroevolution is evaluating the fitness scores of each candidate solution at the end of each evolutionary epoch. This often involves running complex simulations of physical processes, which can significantly slow down the training if done sequentially for each candidate. This work proposes a solution that leverages the inherent parallel processing capabilities of the GO programming language to evaluate fitness scores concurrently. The efficiency of this method is tested using two classic reinforcement learning experiments: single and double pole balancing. Experimental results show a significant improvement in training speed when using the proposed parallel evaluation method compared to sequential evaluation.Матеріали доповiді учасника 15 міжнародної науково-практичної конференції "Теоретичні та прикладні аспекти побудови програмних систем", Київ, 23-24 грудня 2024 р.ukнейроеволюційні алгоритмиоптимальні контролеринейроеволюція наростаючих топологій (NEAT)матеріали конференціїConference materials