ارایه یک روش یادگیری جدید مبتنی بر یادگیری- Q برای فضاهای پیوسته

در این مقاله یک روش یادگیری مبتنی بر یادگیری- Q برای استفاده در فضاهای حالت و عمل پیوسته ارایه شدهاست. به جای ماتریس Q در روش یادگیری Q که فضای حالت (سطرهای ماتریس) را به فضای عمل (ستون هایماتریس) نگاشت می کند و فقط می تواند در یک فضای پیوسته این کار را انجام دهد، از یک شبکه ی عصبیاستفاده شده است و به جای الگوریتم یادگیری که مقادیر ماتریس Q را مشخص می کند، از الگوریتم بهینه سازیژنتیک استفاده شده است تا بتوان در فضاهای حالت و عمل پیوسته کار کرد. الگوریتم ژنتیک وظیفه ی محاسبه یوزن های شبکه عصبی را با توجه به پاداش دریافتی از محیط برعهده دارد. الگوریتم ارایه شده در مدل چندعاملیبرای یک شبکه ی مخابراتی به کار گرفته شده است. نتایج بدست آمده از شبیه سازی مساله در متلب، کاهش تعدادپکت های گمشده و درنتیجه افزایش بازدهی شبکه را نشان می دهد.

کلیدواژه ها:

یادگیری Q ، سیستم های چندعامله ، شبکه عصبی ، الگوریتم ژنتیک ، عامل هوشمند