شبیه سازی مسیله Truck Backer-Upper با رویکرد -Qفازی در ترکیب با بهینه سازی کلونی زنبور ها

این مقاله ارایه دهنده یک روش جدید برای کنترل گرهای فازی تقویتی است .بدین صورت که با ترکیب Fuzzy-Q learning الگوریتم بهینه سازی کلونی زنبور ها( (Bee Colony Optimization سعی در هدایت عامل در محیط های ناشناخته می کند.الگوریتم پیشنهادی را Bee Colony optimization-Fuzzy learning نامیده ایم. در واقع در روش Fuzzy-Q یکسری قوانین فازی وجود دارد که قسمت پیش شرط( precondition )آن با استفاده از دانش قبلی ایجاد می شود وانتخاب عملکرد( Action )مورد نظر در قسمت تالی( consequence قوانین فقط با استفاده از مقدار صورت می پذیرد.اما در روش پیشنهادی BCO-FQ علاوه بر مقدار ،نحوه ترکیب این Action ها هم در محیط در نظر گرفته می شود ،که این کار به عهده الگوریتم BCO است.این روش روی مسیله کنترل فازی Truck Backer upper control پیاده سازی شده است که نتایج مطلوبی هم بدست آمده است.

کلیدواژه ها:

یادگیری تقویتی ، یادگیری -Qفازی ، الگوریتم بهینه سازی کلونی زنبور ، کنترلگرهای فازی تقویتی