روش یادگیری q-فازی در ترکیب با روش های بهینه سازی برای کنترل فازی تقویتی

طراحی کنترل کننده های فازی با استفاده از الگوریتم های تکاملی و یادگیری تقویتی q - فازی موضوعی است که در کنترل ربات ها نقش مهمی ایفا می کند. در این پایان نامه سه روش پیشنهادی برای حل مسائل کنترلی فازی تقویتی ارائه گردیده است و هر سه این روش ها روی یک مسئله فازی تقویتی به نام، ماشین عقب رونده به سمت بالا، شبیه سازی شده اند و همه ی این روش ها از ترکیب یادگیری q-فازی با یک الگوریتم بهینه سازی ایجاد شده اند. اولین روش پیشنهادی، روش بهینه سازی کلونی زنبور عسل-q-فازی است که نتایج شبیه سازی رضایتمندی به همراه داشت. روش دوم، روش فازی سازی پاداش هابه همراه بهینه سازی کلونی مورچگان –q- فازی ،که این روش هم در هدایت عامل به سمت هدف به نتایج بسیار خوبی رسید ودر نهایت روش کلونی زنبور عسل مصنوعی –q –فازی است که با بکارگیری الگوریتم کلونی زنبور عسل مصنوعی در ترکیب با روش -q فازی یک تغییر شگرف در نتایج شبیه سازی ایجاد کرد و نتایج بسیار عالی را به ارمغان آورد. برای بررسی قدرت عملکرد الگوریتم ها از معیارهای دقت، میانگین تعداد تلاش ها، تعداد شکست هاومیانگین زمان اجرا cpu استفاده شده است. همچنین معیارهایی به نام معیار سودمندی و معیار سودمندی کل در روش دوم مورد استفاده قرار گرفت. درکل نتایج نشان داد که هر سه روش پیشنهادی از مزایای قابل قبولی برخوردارند و سومین روش بهترین کیفیت را نسبت به سایر روش ها داراست.