مروری بر روش های یادگیری تقویتی فازی با معماری نقاد-تنها

Abstract

این مقاله به مرور روش های یادگیری تقویتی فازی با معماری نقاد-تنها م یپردازد .<br /> یادگیری تقویتی فازی از ترکیب سیستم های فازی به عنوان تقری بزننده ی جامع و روش یادگیری<br /> تقویتی حاصل شده است. یادگیری تقویتی یک روش یادگیری قوی است که تنها با استفاده<br /> از سیگنال عددی پاداش یا جریمه پارامترهای سیستم را به صورت برخط تنظیم می نماید. در<br /> معماری نقاد-تنها یک سیستم فازی مدل سوگنو مرتبه ی صفر برای تقریب تابع ارزش- عمل<br /> استفاده می شود و عمل نهایی بر اساس مقدار ارزش عمل های نامزد در تالی هر قاعده ی فازی<br /> و یادگیری (FQL) به دست می آید. در این مقاله دو روش پایه به نام های یادگیری کیو فازی<br /> برای تنظیم ارزش عمل های نامزد قواعد بیان می شود. در این دو روش (FSL) سارسای فازی<br /> به ترتیب از تعمیم روش های یادگیری کیو استاندارد و یادگیری سارسای استاندارد بهره برده شده<br /> وجود تحلیل های مثبت ریاضی درخصوصهمگرایی است FQL بر FSL است. مهمترین برتری<br /> و گسترش هایی از FSL و FQL وجود دارد. روش های FQL در حالی که مثال هایی از واگرایی در<br /> آنها در مسائل کنترلی زیادی همچون حرکت ربات، حرکت بازوی ربات، حرکت قایق، مسیریابی<br /> در شبکه های کامپیوتری، و کنترل نیروگاه بادی استفاده شده و کارآیی خود را نشان داده اند.