[인공지능 스마트팜] 데이터를 활용한 강화학습 기반 고생산성 달성 방안- 보상함수 정의 - #3/4

세번째 포스트는 보상함수에 대한 내용입니다. 보상함수는 강화학습의 위한 전제가되는 함수입니다.

보상 함수는 에이전트가 취한 행동의 '좋고 나쁨'을 평가하여 학습을 유도하는 핵심 요소입니다. 농업 생산성 극대화라는 목표에 부합하도록 설계해야 합니다.

• 최종 생산량 (Yield) 기반 보상: 작물의 최종 수확량에 비례하여 높은 보상을 부여합니다.
• 생장률 기반 보상: 일별 또는 주간 생장률 (예: 바이오매스 증가량, 잎 면적 증가량)에 비례하여 보상을 부여하여 꾸준한 성장을 유도합니다.
• 자원 효율성 고려 보상: 물, 비료, 에너지 등 투입 자원 사용량에 대한 페널티를 부과하여 자원 효율적인 관리를 장려합니다.
• 품질 지표 고려 보상: 당도, 경도, 색깔 등 작물 품질 관련 지표를 보상에 포함할 수 있습니다.
• 패널티 부과: 병해충 발생, 특정 스트레스 (가뭄, 과습) 발생 시 큰 음의 보상 (페널티)을 부여하여 에이전트가 이러한 상황을 피하도록 학습시킵니다.
• 예시: R=α⋅(최종 수확량)−β⋅(총 관수량)−γ⋅(총 비료 사용량)−δ⋅(스트레스 발생 횟수)
  • 여기서 α,β,γ,δ는 각 요소의 중요도를 조절하는 가중치입니다.