Quelltext der Seite Adaptives Online-Tuning für kontinuierliche Zustandsräume

{{Vortrag
|vortragender=Timo Kopf
|email=ubdfs@student.kit.edu
|vortragstyp=Masterarbeit
|betreuer=Philip Pfaffe
|termin=Institutsseminar/2019-01-11
|kurzfassung=Raytracing ist ein rechenintensives Verfahren zur Erzeugung photorealistischer Bilder.
Durch die automatische Optimierung von Parametern, die Einfluss auf die Rechenzeit ha-
ben, kann die Erzeugung von Bildern beschleunigt werden. Im Rahmen der vorliegenden
Arbeit wurde der Auto-Tuner libtuning um ein generalisiertes Reinforcement Learning-
Verfahren erweitert, das in der Lage ist, bestimmte Charakteristika der zu zeichnenden
Frames bei der Auswahl geeigneter Parameterkonfigurationen zu berücksichtigen. Die hier-
für eingesetzte Strategie ist eine ε-gierige Strategie, die für die Exploration das Nelder-
Mead-Verfahren zur Funktionsminimierung aus libtuning verwendet. Es konnte gezeigt
werden, dass ein Beschleunigung von bis zu 7,7% in Bezug auf die gesamte Rechenzeit ei-
nes Raytracing-Anwendungsszenarios dieser Implementierung gegenüber der Verwendung
von libtuning erzielt werden konnte.
}}