استفاده از یادگیری تقویتی فازی برای ایجاد آرایش منظم

این مقاله یک روش جدید یادگیری تقویتی برای ایجاد آرایش منظم عامل ها ارایه می دهد. آرایش منظم عامل ها به معنی قرار گرفتن آن ها در یک شکل منظم همچون مربع، مثلث، و هشت ضلعی می باشد. مسیله مذکور یک مسیله چند عامله می باشد که در اینجا از روش های یادگیری برای حل آن استفاده می شود. اکثر کارهای گذشته در مورد آرایش منظم از یادگیری تقویتی یا به صورت تک عامله و یا در محیطی گسسته استفاده کرده اند لذا دارای ضعف هایی چون مشکل تنگنای ابعاد، سرعت کم یادگیری و راندمان پایین می باشند. تمرکز اصلی در این مقاله بر سیستم های چند عامله و محیط حالت-عمل پیوسته است. بنابراین یک روش یادگیری تقویتی فازی پیوسته ی چند عامله ارایه می شود. این روش گسترش به کارگیری یادگیری تقویتی فازی عملگر-نقاد در محیط چند عامله است. ساختار تعیین عمل در هر عامل بر اساس یک سیستم سوجنو مرتبه صفر است که برای هر تالی تعدادی عمل نامزد وجود دارد. هدف از یادگیری تعیین بهترین عمل نامزد از مجموعه عمل های نامزد شده برای هر قاعده در هر عامل است. در این مقاله یک روش جدید به روزرسانی وزن قواعد براساس مفهوم معماری عملگر نقاد ارایه می شود. نتایج شبیه سازی حاکی از عملکرد مناسب ساختار ارایه شده برای مسیله ی ایجاد آرایش منظم می باشد.

کلیدواژه ها:

سیستم های چند عامله ، آرایش منظم ، یادگیری تقویتی ، تقریب زننده ی فازی