Vahvistettu oppiminen kotihoitajien reittisuunnittelussa

Tekoälyn rooli yhteiskunnassamme kasvaa jatkuvasti. Tekoäly halutaan tuoda osaksi niin ihmisten arkielämän askareita kuin osaksi vaativia tietojärjestelmiä. Tässä pro gradu -tutkielmassa perehdytään vahvistettuun oppimiseen, joka on yksi koneoppimisen suuntaus. Vahvistettu oppiminen perustuu kokemus...

Täydet tiedot

Bibliografiset tiedot
Päätekijä: Mäkipää, Janika
Muut tekijät: Informaatioteknologian tiedekunta, Faculty of Information Technology, Informaatioteknologia, Information Technology, Jyväskylän yliopisto, University of Jyväskylä
Aineistotyyppi: Pro gradu
Kieli:fin
Julkaistu: 2023
Aiheet:
Linkit: https://jyx.jyu.fi/handle/123456789/87122
_version_ 1826225733424381952
author Mäkipää, Janika
author2 Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä
author_facet Mäkipää, Janika Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä Mäkipää, Janika Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä
author_sort Mäkipää, Janika
datasource_str_mv jyx
description Tekoälyn rooli yhteiskunnassamme kasvaa jatkuvasti. Tekoäly halutaan tuoda osaksi niin ihmisten arkielämän askareita kuin osaksi vaativia tietojärjestelmiä. Tässä pro gradu -tutkielmassa perehdytään vahvistettuun oppimiseen, joka on yksi koneoppimisen suuntaus. Vahvistettu oppiminen perustuu kokemusperäiseen oppimiseen, jossa agentit tekevät ympäristössään toimintoja, ja saavat palkkioita toiminnon kannattavuuden perusteella. Tutkielman päämääränä on selvittää, voidaanko kotihoitajien reitinkulkua optimoida vahvistetun oppimisen algoritmeilla. Tutkielmassa toteutettiin tapaustutkimus, jossa mallinnettiin kotihoitajien reitinkulkua potilaskohteisiin kahdella eri tavalla. Kotihoitajien reitinkulkua optimoitiin DQN-, A2C- ja PPO-algoritmien avulla. Lopputulokseksi tapaustutkimuksesta saatiin, että toinen malleista pystyi oppimaan kotihoitajien reitinkulun optimoinnin. Johtopäätöksenä voidaan todeta, että vahvistetun oppimisen algoritmeilla on mahdollista optimoida kotihoitajien reitinkulkua. The role of the artificial intelligent is growing every day in our society. We want to bring artificial intelligence into our everyday lives. This master’s thesis investigates reinforcement learning which is an area of machine learning. The idea of reinforcement learning is that agent must learn to perform actions by trial and error. This thesis investigates if it’s possible to optimize home care nurse’s route by reinforcement learning algorithms. This thesis was implemented as case study where the routes of the home care nurses were modeled in two different ways. The algorithms used for route optimizations were DQN, A2C and PPO. The result of the case study was that one of the models was able to learn to optimize the route of the home care nurses. As a conclusion it can be stated that it’s possible to optimize home care nurse’s route by reinforcement learning algorithms.
first_indexed 2024-09-11T08:51:04Z
format Pro gradu
free_online_boolean 1
fullrecord [{"key": "dc.contributor.advisor", "value": "M\u00e4kinen, Raino", "language": "", "element": "contributor", "qualifier": "advisor", "schema": "dc"}, {"key": "dc.contributor.author", "value": "M\u00e4kip\u00e4\u00e4, Janika", "language": "", "element": "contributor", "qualifier": "author", "schema": "dc"}, {"key": "dc.date.accessioned", "value": "2023-05-23T10:40:17Z", "language": null, "element": "date", "qualifier": "accessioned", "schema": "dc"}, {"key": "dc.date.available", "value": "2023-05-23T10:40:17Z", "language": null, "element": "date", "qualifier": "available", "schema": "dc"}, {"key": "dc.date.issued", "value": "2023", "language": "", "element": "date", "qualifier": "issued", "schema": "dc"}, {"key": "dc.identifier.uri", "value": "https://jyx.jyu.fi/handle/123456789/87122", "language": null, "element": "identifier", "qualifier": "uri", "schema": "dc"}, {"key": "dc.description.abstract", "value": "Teko\u00e4lyn rooli yhteiskunnassamme kasvaa jatkuvasti. Teko\u00e4ly halutaan tuoda osaksi niin ihmisten arkiel\u00e4m\u00e4n askareita kuin osaksi vaativia tietoj\u00e4rjestelmi\u00e4. T\u00e4ss\u00e4 pro gradu -tutkielmassa perehdyt\u00e4\u00e4n vahvistettuun oppimiseen, joka on yksi koneoppimisen suuntaus. Vahvistettu oppiminen perustuu kokemusper\u00e4iseen oppimiseen, jossa agentit tekev\u00e4t ymp\u00e4rist\u00f6ss\u00e4\u00e4n toimintoja, ja saavat palkkioita toiminnon kannattavuuden perusteella. Tutkielman p\u00e4\u00e4m\u00e4\u00e4r\u00e4n\u00e4 on selvitt\u00e4\u00e4, voidaanko kotihoitajien reitinkulkua optimoida vahvistetun oppimisen algoritmeilla. Tutkielmassa toteutettiin tapaustutkimus, jossa mallinnettiin kotihoitajien reitinkulkua potilaskohteisiin kahdella eri tavalla. Kotihoitajien reitinkulkua optimoitiin DQN-, A2C- ja PPO-algoritmien avulla. Lopputulokseksi tapaustutkimuksesta saatiin, ett\u00e4 toinen malleista pystyi oppimaan kotihoitajien reitinkulun optimoinnin. Johtop\u00e4\u00e4t\u00f6ksen\u00e4 voidaan todeta, ett\u00e4 vahvistetun oppimisen algoritmeilla on mahdollista optimoida kotihoitajien reitinkulkua.", "language": "fi", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.abstract", "value": "The role of the artificial intelligent is growing every day in our society. We want to bring artificial intelligence into our everyday lives. This master\u2019s thesis investigates reinforcement learning which is an area of machine learning. The idea of reinforcement learning is that agent must learn to perform actions by trial and error. This thesis investigates if it\u2019s possible to optimize home care nurse\u2019s route by reinforcement learning algorithms. This thesis was implemented as case study where the routes of the home care nurses were modeled in two different ways. The algorithms used for route optimizations were DQN, A2C and PPO. The result of the case study was that one of the models was able to learn to optimize the route of the home care nurses. As a conclusion it can be stated that it\u2019s possible to optimize home care nurse\u2019s route by reinforcement learning algorithms.", "language": "en", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Submitted by Miia Hakanen (mihakane@jyu.fi) on 2023-05-23T10:40:17Z\nNo. of bitstreams: 0", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Made available in DSpace on 2023-05-23T10:40:17Z (GMT). No. of bitstreams: 0\n Previous issue date: 2023", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.format.extent", "value": "63", "language": "", "element": "format", "qualifier": "extent", "schema": "dc"}, {"key": "dc.language.iso", "value": "fin", "language": null, "element": "language", "qualifier": "iso", "schema": "dc"}, {"key": "dc.rights", "value": "In Copyright", "language": null, "element": "rights", "qualifier": null, "schema": "dc"}, {"key": "dc.subject.other", "value": "vahvistettu oppiminen", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.title", "value": "Vahvistettu oppiminen kotihoitajien reittisuunnittelussa", "language": "", "element": "title", "qualifier": null, "schema": "dc"}, {"key": "dc.type", "value": "master thesis", "language": null, "element": "type", "qualifier": null, "schema": "dc"}, {"key": "dc.identifier.urn", "value": "URN:NBN:fi:jyu-202305233195", "language": "", "element": "identifier", "qualifier": "urn", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Master\u2019s thesis", "language": "en", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Pro gradu -tutkielma", "language": "fi", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Informaatioteknologian tiedekunta", "language": "fi", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Faculty of Information Technology", "language": "en", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Informaatioteknologia", "language": "fi", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Information Technology", "language": "en", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "Jyv\u00e4skyl\u00e4n yliopisto", "language": "fi", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "University of Jyv\u00e4skyl\u00e4", "language": "en", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Tietotekniikka", "language": "fi", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Mathematical Information Technology", "language": "en", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "yvv.contractresearch.funding", "value": "0", "language": "", "element": "contractresearch", "qualifier": "funding", "schema": "yvv"}, {"key": "dc.type.coar", "value": "http://purl.org/coar/resource_type/c_bdcc", "language": null, "element": "type", "qualifier": "coar", "schema": "dc"}, {"key": "dc.rights.copyright", "value": "\u00a9 The Author(s)", "language": null, "element": "rights", "qualifier": "copyright", "schema": "dc"}, {"key": "dc.rights.accesslevel", "value": "openAccess", "language": null, "element": "rights", "qualifier": "accesslevel", "schema": "dc"}, {"key": "dc.type.publication", "value": "masterThesis", "language": null, "element": "type", "qualifier": "publication", "schema": "dc"}, {"key": "dc.subject.oppiainekoodi", "value": "602", "language": "", "element": "subject", "qualifier": "oppiainekoodi", "schema": "dc"}, {"key": "dc.subject.yso", "value": "teko\u00e4ly", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "koneoppiminen", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.rights.url", "value": "https://rightsstatements.org/page/InC/1.0/", "language": null, "element": "rights", "qualifier": "url", "schema": "dc"}]
id jyx.123456789_87122
language fin
last_indexed 2025-02-18T10:56:35Z
main_date 2023-01-01T00:00:00Z
main_date_str 2023
online_boolean 1
online_urls_str_mv {"url":"https:\/\/jyx.jyu.fi\/bitstreams\/f04f72af-40cf-4fda-9be2-64c438561c9f\/download","text":"URN:NBN:fi:jyu-202305233195.pdf","source":"jyx","mediaType":"application\/pdf"}
publishDate 2023
record_format qdc
source_str_mv jyx
spellingShingle Mäkipää, Janika Vahvistettu oppiminen kotihoitajien reittisuunnittelussa vahvistettu oppiminen Tietotekniikka Mathematical Information Technology 602 tekoäly koneoppiminen
title Vahvistettu oppiminen kotihoitajien reittisuunnittelussa
title_full Vahvistettu oppiminen kotihoitajien reittisuunnittelussa
title_fullStr Vahvistettu oppiminen kotihoitajien reittisuunnittelussa Vahvistettu oppiminen kotihoitajien reittisuunnittelussa
title_full_unstemmed Vahvistettu oppiminen kotihoitajien reittisuunnittelussa Vahvistettu oppiminen kotihoitajien reittisuunnittelussa
title_short Vahvistettu oppiminen kotihoitajien reittisuunnittelussa
title_sort vahvistettu oppiminen kotihoitajien reittisuunnittelussa
title_txtP Vahvistettu oppiminen kotihoitajien reittisuunnittelussa
topic vahvistettu oppiminen Tietotekniikka Mathematical Information Technology 602 tekoäly koneoppiminen
topic_facet 602 Mathematical Information Technology Tietotekniikka koneoppiminen tekoäly vahvistettu oppiminen
url https://jyx.jyu.fi/handle/123456789/87122 http://www.urn.fi/URN:NBN:fi:jyu-202305233195
work_keys_str_mv AT mäkipääjanika vahvistettuoppiminenkotihoitajienreittisuunnittelussa