تحلیل یادگیری تقویتی در فرایندهای مارکوف به صورت سیستمهای دیجیتال

سال انتشار: 1387
محل انتشار: دومین کنگره مشترک سیستمهای فازی و هوشمند ایران
کد COI اختصاصی: FJCFIS02_318
زبان مقاله: فارسی
تعداد مشاهده: 1914

دانلود فایل این مقاله

نویسندگان

سیدمصطفی کلامی هریس

دانشجوی کارشناسی ارشد مهندسی کنترل

ناصر پریز

استادیاردانشگاه فردوسی مشهد

محمدباقر نقیبی سیستانی

استادیار دانشگاه فردوسی مشهد

چکیده

فرایند تصمیمگیری مارکوف یاMDPیکی از مسائلی است که دارای کاربردهای وسیعی در زمینههای مختلف علمی، مهندسی،اقتصادی و مدیریت است. بسیاری از فرایندهای تصمیمگیری دارای خاصیت مارکوف میباشند و به صورت یک مسألهی تصمیمگیری مارکوف قابل بیان هستند. یادگیری تقویتی یکی از مسائلی است که برای حلMDPبه کار میرود، که به نوبهی خود از برنامهریزی پویا یاDPاستفاده میکند. در این مقاله معادلهی بازگشتی مورد استفاده در بحث یادگیری تقویتی وDPبرای حلMDP به صورت یک معادلهی دینامیکی یک سیستم دیجیتال یا گسسته-زمان بازنویسی شده است. به این ترتیب این امکان به وجود آمده است که بتوان با بهرهگیری از روشهای موجود در کنترل دیجیتال، به بررسی خواص معادلات به دست آمده پرداخت و تحلیل مناسبی از رفتار عاملیادگیرنده، تحت سیاستهای مختلف، به عمل آورد. به عنوان مثال، روش مذکور برای تحلیل یک مسألهی جدولی استفاده شده است. نتایج به دست آمده، نشان میدهند که یک سیاست بهینه در پارچوب کنترل دیجیتال، به صورت سیستم مرده نَوِشقابل توصیف است

کلیدواژه ها

برنامهریزی پویا، سیستمهای کنترل دیجیتال، فرایندهای تصمیمگیری مارکوف، کنترل تصادفی، یادگیری تقویتی

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.