بررسی جزییات تعمیم یادگیری سارسای فازی FSL در مسایل با فضای بزرگ و کوچک برای برنامه ریزی و تحویل آب در شبکه های آبیاری

بهبود مدیریت آب کشاورزی یکی از مهمترین چالش ها برای مهندسین و محقیقن آب می باشد. روشهای تحویل و توزیع زیادی به صورت تلفیق با روش های بهینه سازی و هوش مصنوعی برای این منظور استفاده شده است. الگوریتم های هوش مصنوعی اولیه، برای یادگیری مقدار خروجی بر اساس مقدار ورودی، از یک ناظر استفاده می کنند. الگوریتم یادگیری تقویتی RL بر اساس برهم کنش بین عامل و محیط توسعه یافته اند. اخیرا، الگوریتم یادگیری تقویتی FSL (Fuzzy SARSA Learning) در شبکه های آبیاری توسعه یافته است. با توجه به ساختار این الگوریتم، قدرت تعمیم آن برای مسایل با فضای بزرگ و کوچک در شبکه های آبیاری باید بررسی شود که هدف مقاله حاضر است. تعمیم یعنی اینکه بتوان با چند ورودی محدود مدل را آموزش داد؛ سپس با استفاده از این مدل، برای هر ورودی دیگر خروجی را با دقت قابل قبول پیش بینی کرد. نتایج نشان داد که FSL قدرت تعمیم بالایی در مسایل با فضای بزرک و کوچک دارد.

کلیدواژه ها:

آبیاری ، بهبود ، مدیریت ، کانال