در سال های اخیر پیشرفتهای صورت گرفته در زمینه علوم شناختی، پیشرفت سریع و چشم گیر فناوری تصویربرداری و مطالعه ی مغز و پیدایش ابزارهایی مانند fmri , pet , meg موجب شد علوم اعصاب سهم جدی تری در پیشرفت علوم شناختی و مدل های یادگیری هوش مصنوعی داشته باشد. با تصویربرداری از مغز با استفاده از روش هایی مثل «ام آرآی کارکردی» (fmri)، راهی پدید آمده است که بتوانیم نگاهی به مغز در حال تفکر بیاندازیم. بر این اساس، نگرش نوینی بر اساس علوم شناختی (بر پایه شبیه سازی «نحوه کارکرد مغز») به زمینه های هوش مصنوعی افزوده شد. حال می توان عامل های هوشمندی بر پایه ی علوم شناختی طراحی کرد که دارای قابلیت هایی همچون پیش بینی، یادگیری و فهم باشند. کلیات پایه ای مدل سه لایه ای پردازش اطلاعات در سال 2005 توسط اورتونی و دیگران ارائه شده است. این مدل ارائه شده فاقد جزئیات لازم برای پیاده سازی در سطح یک عامل بود. پس از آن در سال 2010، کاظمی فرد و دیگران مدل کامل تری از این معماری را ارائه دادند. اما کار آن ها نیز دارای نقص هایی است که از مهمترین آن ها می توان به فقدان هرگونه مقایسه با دیگر الگوریتم های مطرح در این زمینه، چه در نحوه ی عملکرد و چه در زمینه ی میزان کارایی، اشاره کرد. در این پروژه تلاش بر آن بوده است که پس از تشریح مدل سه لایه ای پردازش اطلاعات، آن را در محیطی جامع پیاده سازی کنیم. این پیاده سازی برای اثبات کارایی مدل یاد شده در برابر روش های معروف کلاسیک یادگیری ماشین می باشد. محیط پیاده سازی باید به گونه ای باشد که پتانسیل استفاده از قابلیت های مدل مذکور را داشته و در در عین حال ملموس و قابل فهم باشد. همچنین، این محیط می بایست پیچیده باشد تا بهتر بتواند الگوریتم های موجود و مدل ارائه شده را به چالش بکشاند تا بتوان به نتایج نهایی بدست آمده اطمینان کرد. به این منظور، محیط شبیه سازی شکار و شکارچی را برگزیدیم. در این محیط تنها عامل هوشمند، شکار است. شکار با خوردن علف انرژی به دست آورده و با حمله ی شکارچی انرژی از دست می دهد و با تمام شدن انرژی، می میرد. با مرگ تمام شکارها، شبیه سازی پایان می یابد. هدف نهایی زنده ماندن هر چه بیشتر شکارهاست. در این پروژه، عامل های شکارچی تمام کنش های خود را به صورت تصادفی انجام می دهند و عامل های شکار بر مبنای مدل سه لایه ای پردازش اطلاعات تصمیم گرفته و عمل می کنند. در پایان نامه ی پیش رو ابتدا با مفهوم مدل سه لایه ای پردازش اطلاعات آشنا می شویم و این مدل را یررسی می کنیم. در مرحله بعد به منظور ارزیابی این مدل، آنرا در محیط شکار و شکارچی پیاده سازی کرده، و با دو الگوریتم q-learning و شبکه عصبی، به عنوان دو الگوریتم معروف یادگیری ماشین در همین محیط مقایسه می کنیم. پس از این مرحله، پیشنهاداتی برای بهبود مدل داده ایم و مدل پیشنهادی را نیز در محیط شبیه سازی، پیاده سازی کردیم. در نهایت تمامی نتایج بدست آمده را ارائه می کنیم.