بهبود کارایی الگوریتمACO-FQ بر اساس تاثیرموقعیت ربات متحرک
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 723
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AEBSCONF01_262
تاریخ نمایه سازی: 6 آبان 1393
چکیده مقاله:
طراحی کنترل کننده های فازی با استفاده از ACO و یادگیری تقویتی fuzzy Q-learning موضوع مهمی است که در کنترل ربات ها نقش مهمی ایفا می کند. در این مقاله روش بهبود یافته ای برای طراحی چنین سیستم هایی به کار گرفته شده است. این روش، بهبود یافته روش ACO-FUZZY Q-learning است و در آن با تکیه بر پاداش و نیز بررسی موقعیت ربات متحرک در حین حرکت، عملکرد سیستم بهبود می یابد. این بهبود شامل کاهش چشمگیر تعداد آزمون ها می باشد و علاوه بر آن زمان اجرای CPU هم در حد قابل قبولی با روش هایی که تعداد آزمون بسیاری دارند رقابت می کند. ضمناً تعداد خطاهای حین اجرا با حفظ کاهش زمان اجرا دارد. می توان گفت روش بهبود یافته مذکور کاملاً به کارایی بالاتر منجر شده است.
کلیدواژه ها:
نویسندگان
سیما سعید
بخش مهندسی کامپیوتر، دانشگاه شهید باهنر کرمان
علی اکبر نیک نفس
بخش مهندسی کامپیوتر، دانشگاه شهید باهنر کرمان
مهدی افتخاری
بخش مهندسی کامپیوتر، دانشگاه شهید باهنر کرمان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :