Multiagentní systém učící se maximalizovat komfort uživatelů v rámci Smart Home

Abstract

Tato práce je zaměřena na tvorbu multiagentního systému pro subsystém chytré domácnosti vytápění, jež se snaží učit vzory uživatelů, pomocí algoritmu posilovaného učení. Práce dále popisuje tvorbu potřebných modulů, kterými jsou digitální termostatická hlavice, figurující v systému jako koncový agent, a modul pro detekci přítomnosti osob. Vytvořený systém byl nasazen v reálném prostředí a je funkční.This thesis is focused on creating a multi-agent system for a smart home heating subsystem that tries to learn user patterns, using a reinforcement learning algorithm. The thesis further describes the creation of the necessary modules, which are a digital thermostatic valve, which appears in the system as an end agent, and a module for detecting the presence of people. The created system was deployed in a real environment and is functional.