hiv ویروسی است که با مختل کردن عملکرد و از بین بردن نوع خاصی از سلول های ایمنی بدن به نام t-cd4 منجر به نقص دستگاه ایمنی بدن انسان می شود. این ویروس با از بین بردن این گونه از سلول ها، باعث ایجاد بیماری ایدز (نقص ایمنی اکتسابی) می شود. امروزه پیشرفت های قابل توجهی در داروهای مورد استفاده در درمان بیماران مبتلا به عفونت hiv پدیدار گشته است که سبب بهبود کیفیت زندگی و افزایش طول عمر بیماران شده است، ولی مصرف تمامی این داروها دارای اثرات سوء فراوانی می باشند. از آنجا که پزشکان بر اساس علایم بالینی و طبق پروتکل های مشخص که برای خیلی از بیماران یکسان می باشد، اقدام به تجویز دارو می کنند. بنابراین دوز داروی تجویز شده برای هر بیمار بهینه نمی باشد. در سال های اخیر پژوهش های زیادی برای تعیین دوز بهینه دارو برای مقابله با ویروس hiv انجام شده است. دلایل بسیار زیادی برای این درمان بهینه وجود دارد که از آن جمله می توان به کمینه کردن مسمویت بوسیله ی داروها و هزینه های درمان اشاره کرد. هدف از این تحقیق، کنترل جمعیت ویروس های hiv در بیماران مبتلا به این عفونت و کنترل بهینه دوز دارو با استفاده از الگوریتم های حل مسئله یادگیری تقویتی می باشد. استراتژی مذکور بر روی مدل پیشنهاد شده توسط وودارز- نوواک مورد استفاده قرار گرفته است. این مدل مشخصات و ویژگی های مراحل عفونت و اثر متقابل میان سلول های cd4 سالم، لنفوسیت های پیشرو و عملگر نهایی، ویروس های آزاد و داروی مورد استفاده قرار گرفته شده را نشان می دهد. وجود متغیرهای لنفوسیت های پیشرو، لنفوسیت های عملگر نهایی و همچنین وجود جمله ای برای بیان تاثیر داروهای مهار کننده ترانس کریپتاز معکوس (rti)، از مزیت های این مدل نسبت به مدل های دیگر می باشد. در این پژوهش جمعیت ویروس های آزاد بوسیله ی دو الگوریتم یادگیریq و سارسا کنترل گشته است. با استفاده از اطلاعات 2 بیمار، استراتژی زیر بهینه ای را بدست آورده ایم که بر روی 130 بیمار با دقت های 90% و 92% ، با توجه به دو الگوریتم سارسا و یادگیریq، قابلیت کنترل جمعیت ویروس های hiv را دارا می باشد. در این تحقیق زمان و سرعت درمان و کاهش دوز دارو از دیگر پارامترهایی بوده است که مورد توجه قرار گرفته است. استراتژی بدست آمده عملکرد بهتری نسبت به تغییر پارامترهای بیماران و مقادیر اولیه متغیرها در مقایسه با روش های قبلی دارا می باشد.

تعیین دوز دارو در درمان سرطان از نظر میزان هزینه و نیز صدمات جانبی وارد شده بر بیماران بسیار حائز اهمیت است و لذا پزشکان در تعیین برنامه دارویی روزانه بیماران، سعی می کنند میزان داروی تجویز شده در یک محدوده مشخص باشد و در ضمن مجموع داروی تزریق شده به بیماران در یک دوره زمانی نیز تا حد ممکن کاهش یابد. در این تحقیق الگوریتم یادگیری تقویتی فازی به عنوان یک روش جدید در تعیین دوز دارو جهت درمان یکی از انواع سرطان خون به نام لوسمی میلوئیدی مزمن مورد استفاده قرار گرفته است. این روش ازترکیب دو روش یادگیری تقویتی و سیستم های فازی که بر روی فضاهای پیوسته تعریف می شوند، به منظور درمان این بیماری در بازه زمانی 250 روزه بدست آمده است. ایده ی اصلی بکارگیری این روش افزایش رباستنس کنترلر طراحی شده در برابر عدم قطعیت های موجود در پارامتر های مدل می-باشد. کنترلر پیشنهادی بر روی 3 بیمار فرضی با شرایط متفاوت بیماری و پارامتر های مختلف اعمال گردیده است. نتایج بدست آمده نشان می دهد که این روش بر خلاف روش های موجود که در این زمینه صورت گرفته است از قوام بسیار بالایی برخوردار بوده است و به خوبی توانسته است به درمان این 3 بیمار در طول دوره 250 روزه بپردازد.